의사 가우시안 함수 신경망의 설계와 응용

Abstract

RBF(Radial Basis Function Network)는 자주 쓰이는 간단한 구조의 신경회로망인데, 이 신경회로망의 활성화 함수는 가우시안 함수와 같은 대칭형의 함수를 사용한다. 이러한 성질은 신경회로망의 성능을 개선하는데 장애가 되어 왔는데 본 논문에서는 기존의 가우시안 함수를 기반으로 하여 입력에 따라 분산이 달라지는 함수를 새롭게 정의하고 이를 의사 가우시안 함수로 정의하고 이를 바탕으로 새로운 신경회로망을 구성하였다. 이 의사 가우시안 함수는 기존의 RBF 보다 성능이 개선되었으며 교사학습뿐 아니라 비교사 학습에도 좋은 성능을 보이는 것을 실험을 통해 보였다. 이 신경망을 영상처리의 문제중 이미지 세그먼테이션에 적용하였다. 이미지 세그먼테이션에 적용하는 학습룰을 Mumford-Shah 모델에 기반하여 제안하였으며 모의실험을 통해서 X ray 영상과 같이 경계가 불분명한 영상에 적용하여 기존의 active contour 모델에 비해서 개선된 성능을 보이는 것을 확인하였다.