본 문서(hwp)가 작성된 한글 프로그램 버전보다 낮은 한글 프로그램에서 열람할 경우 문서가 올바르게 표시되지 않을 수 있습니다.
이 경우에는 최신패치가 되어 있는 2010 이상 버전이나 한글뷰어에서 확인해 주시기 바랍니다.
미리보기
소개
"그래프기반 딥러닝 모델링 개발"에 대한 내용입니다.
목차
Ⅰ. 서론
Ⅱ. 본론
1. Graph 표현방법
2. Graph 데이터 분석 방법
3. 적용분야
Ⅲ. 결론
Ⅳ. 참고문헌
본문내용
I. 서론
정보를 표현하는 방법은 다양하다. 여러 가지 방법 중에 그래프 기반 표현 방법이 있는데 최근 들어 이러한 표현방법과 딥러닝 분석방법을 활용한 산업 적용사례가 많아지고 있다. 본 보고서에서는 이러한 그래프 기반 표현방법에 대해서 알아보며 바이오 화학 분야 분석 관점에서 실제 적용사례를 살펴보고자 한다. 특히 화학 합성물 분석 분야에 있어 어떠한 장점이 있는지에 대해 사례 조사를 통하여 해당 내용을 상세히 살펴보도록 하겠다. 이외에도 그래프 분석 방법은 패션분야에서도 활용되고 있는데 이에 대해서도 상세히 알아보도록 하겠다. 이와 더불어 그래프 분석 방법을 딥러닝에 접목한 분석방법으로 GCN(Graph Convolution Network)가 있는데 이에 대해서 상세히 알아보고 적용사례 측면에서 어떠한 의미가 있는지에 대해서도 알아보도록 하겠다.
II. 본론
1. Graph 표현방법
대부분의 머신러닝에서는 입력데이터가 유클리드 공간에 존재함으로 가정하고 문제를 해결한다. 예를 들면 통계 데이터 및 이미지 데이터와 같이 1차원이나 2차원 벡터의 형태로 표현할 수 있어야 한다. 하지만 소셜 네트워크, 관계형 데이터베이스, 분자구조 등과 같이 객체들 간의 관계로 표현되는 데이터는 그래프로 표현하는 것이 정보의 손실을 최소화할 수 있다.
참고자료
· 김성훈 외(2021), 전이학습과 그래프 합성곱 신경망 기반의 다중 패션 스타일 인식, 한국전자거래학회지
· 김도환 외(2021), 대뇌피질 표면의 특징을 이용한 나이 및 성별 예측을 위한 그래프 기반 딥러닝 기법의 비교연구, 한국컴퓨터 종합학술대회
· 박재희 외(2021), 그래프 합성곱 신경망을 이용한 알츠하이머 치매환자 분류, 대한전자공학회
· 웹사이트 : untitledblog.tistory.com/152
그래프 데이터 표현 및 분석 방법에 대한 전반적인 내용을 잘 정리하고 있으며, 특히 화학 합성물 분석과 패션 분야에서의 활용 사례를 상세히 설명하고 있다. GCN 기술에 대한 소개와 더불어 향후 연구 방향에 대한 제언도 포함되어 있어 전반적인 내용이 체계적으로 구성되어 있다.
자주묻는질문의 답변을 확인해 주세요
1. 해피캠퍼스 오른쪽 상단 [내계정 > 다운가능자료]를 누르면 [구매자료] 페이지로 이동되어 자료를 다운로드 하실 수 있습니다. 자료의 열람 및 다운로드 가능 기간은 구매일로부터 7일입니다.
자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다. 자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다. 저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
파일오류
중복자료
저작권 없음
설명과 실제 내용 불일치
파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우