원문정보
Performance comparison of activation functions in gene expression profile generation with GAN
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
딥러닝은 비선형 데이터를 다룰 수 있으면서, 내부적인 특성들과 연관 관계 등을 학습할 수 있다는 점에서 많은 분야에서 쓰이고 있다. 딥러닝이 비선형 데이터를 다루는 것이 가능한 이유는 활성화 함수가 사용되기 때문이다. 활성화 함수로는 비선형 함수를 이용하여 입력과 결과가 비선형성을 띌 수 있게 된다. 그런데 활성화 함수의 종류는 다양하며 각각 특성이 다르다. 따라서 어떤 활성화 함수가 사용이 되는지에 따라 결과의 차이가 발생할 수 있다. 본 연구에서는 활성화 함수의 차이가 딥러닝 학습에서 영향을 미치는 지에 대해 알아보고자 한다. 먼저 딥러닝 모델 중 하나인 GAN을 세포의 유전자 데이터를 이용하여 여러 모델 학습을 시킨다. 그 과정에서 각 GAN 모델의 생성자와 식별자는 다른 모델의 활성화 함수와 다른 조합으로 학습된다. 그 후 서로 다른 활성화 함수 조합으로 학습된 GAN의 생성자를 통해 가짜 데이터를 생성한다. 최종적으로 각 모델이 만들어 낸 가짜 데이터와 실제 데이터와의 상관 분석을 통해서 생성된 모델 간의 성능을 비교하여, 활성화 함수의 차이가 딥러닝 학습에 영향을 미치는 지 확인한다.
목차
Abstract
1. Introduction
2. Related Works
3. Methods
3.1. Datasets
3.2. Activation functions
4. Experiments
4.1. Experimental setup
4.2. Experimental result
5. Conclusions
Acknowledgement
References
1. Introduction
2. Related Works
3. Methods
3.1. Datasets
3.2. Activation functions
4. Experiments
4.1. Experimental setup
4.2. Experimental result
5. Conclusions
Acknowledgement
References
저자정보
참고문헌
자료제공 : 네이버학술정보