최적화용 신경망의 성능개선을 위한 새로운 최적화 기법

국문 초록 (Abstract)

본 논문에서는 기울기하강법과 동적터널링 시스템을 조합 사용함으로써 최적화용 신경망의 성능을 개산할 수 있는 새로운 방법을 제안하였다. 제안된 방법에서는 빠른 수렴속도의 전역최적화가 가능하도록 하기 위하여 기울기하강법의 경신규칙을 이용하고, 국소최적해를 만났을 때 이를 벗어난 다른 뉴런 출력치의 설정을 위하여 동적터널링 시스템의 경신규칙을 이용함으로써 빠른 수렴속도로 전역최적해로의 수렴확률을 높였다. 제안된 경신규칙의 신경망을 외판원 경로문제와 최적태스크 분할에 각각 적용하여 그 타당성과 성능을 확인한 결과, 기울기하강법의 경신규칙을 이용한 흡필드 모델에 비해 최적해로의 수렴확률과 그 수렴속도가 우수함을 확인할 수 있었다.

다국어 초록 (Multilingual Abstract)

This paper proposes a new method for improving the performances of the neural network for optimization using a hybrid of gradient descent method and dynamic tunneling system. The update rule of gradient descent method, which has the fast convergence characteristic, is applied for high-speed optimization. The update rule of dynamic tunneling system, which is the deterministic method with a tunneling phenomenon, is applied for global optimization. Having converged to the local minima by using the gradient descent method, the proposed method estimates the initial point for escaping the local minima by applying the dynamic tunneling system. The proposed method has been applied to the travelling salesman problems and the optimal task partition problems to evaluate the performances. The simulation results show that the performance of proposed method is superior to that of Hopfield model using the update rule of gradient descent method

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 기울기하강법과 동적터널링 시스템을 조합한 효율적 최적화
• Ⅲ. 응용 예 및 시뮬레이션 결과고찰
• Ⅳ. 결론
• 참고문헌