KLI

유전 알고리즘 탐색을 이용한 랜덤 탐색 대비 효율적인 기계학습 시스템 구성을 위한 연구

Metadata Downloads
Abstract
기계학습 모델을 활용하는 분류 및 회귀 문제 해결을 위한 시스템은 크게 기계학습 모델에 적용하기 위해 데이터를 가공하는 전처리 과정과 데이터를 적용하여 학습 및 예측을 진행하는 기계학습 모델로 구성된다. 여기서 전처리 과정은 일반적으로 데이터 크기 변환, 특징 구축, 특징 선택, 차원 축소 등을 포함하며, 분류 문제의 경우 학습 데이터의 클래스 비율을 조절하는 데이터 재조정을 추가로 고려할 수 있다. 이처럼 기계학습 시스템은 각 단계별로 여러 종류의 알고리즘과 파라미터를 고려할 수 있기 때문에 다양한 형태로 구성을 할 수 있다. 하지만 시스템의 합리적인 성능을 위해서는 주어진 데이터와 잘 부합하는 시스템 구성의 해를 찾는 과정이 필수적으로 요구된다. 본 논문에서는 유전 알고리즘의 진화 과정 중 각 기계학습 모델 그룹의 평균 제곱 오차 정보를 기반으로 특정 기계학습 모델 그룹에 대한 집중 탐색을 유도하는 방법을 제안하였으며, 랜덤 탐색과의 비교를 통해 여러 데이터에 대한 결과로부터 제안한 유전 알고리즘의 평균 성능과 안정성을 확인한다. 마지막으로 결론에서는 집중 탐색을 유도하는 방법의 한계점을 확인하여 본 논문에서 제안하는 탐색 방법의 개선점을 확인한다.
Author(s)
이경태
Issued Date
2021
Awarded Date
2021-02
Type
Dissertation
Keyword
기계학습유전 알고리즘
URI
https://oak.ulsan.ac.kr/handle/2021.oak/5993
http://ulsan.dcollection.net/common/orgView/200000372778
Alternative Author(s)
Lee, Kyungtae
Affiliation
울산대학교
Department
일반대학원 컴퓨터공학전공
Advisor
권영근
Degree
Master
Publisher
울산대학교 일반대학원 컴퓨터공학전공
Language
kor
Rights
울산대학교 논문은 저작권에 의해 보호받습니다.
Appears in Collections:
Computer Engineering & Information Technology > 1. Theses(Master)
Authorize & License
  • Authorize공개
Files in This Item:

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.