베이지안 GTM을 이용한 패턴 분류 = Pattern classification by using bayesian GTM

국문 초록 (Abstract)

Bishop이 제안한 Generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률적 버전이다. 본 논문에서는 이러한 GTM 모형에 베이지안 추론을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 방법은 기존의 GTM의 빠른 계산 처리 능력과 베이지안 추론을 이용하여 기존의 분류 알고리즘보다 우수한 결과가 나타남을 실험을 통하여 확인하였다.

목차 (Table of Contents)

• 1. 서론
• 2. GTM 모형
• 3. Bayesian GTM
• 3.1 모형의 구조
• 3.2 Slice Sampling
• 3.3 제안하는 Bayesian GTM 알고리즘
• 4. 실험 및 결과
• 4.1 Fisher의 붓꽃 자료를 이용한 실험
• 4.2 Digit data를 이용한 실험
• 5. 결론
• 6. 참고문헌