Machine learning
AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network)
AlexNet 이전에는 대부분의 이미지 분류기가 수작업으로 만든 특징에 의존했습니다. AlexNet은 충분한 데이터와 GPU 연산으로 원시 픽셀에 대해 종단 간(end-to-end) 학습된 다층 합성곱 신경망이 계층적 시각 특징을 자동으로 학습할 수 있음을 보여주었습니다. 초기 계층은 엣지와 색상을 감지하고, 중간 계층은 질감과 부분을 감지하며, 최종 계층은 이를 범주 수준 표현으로 결합합니다. 핵심 실용적 통찰력은 다음과 같습니다. 시그모이드 활성화 대신 ReLU를 사용하면 학습 속도가 극적으로 빨라지고, 학습 중 무작위로 뉴런을 비활성화하는 드롭아웃은 특정 특징에 대한 과도한 의존을 방지하여 일반화 성능을 향상시킵니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/ko/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →