《과학자, 기술자들은 인민경제를 과학화하는데서 나서는 과학기술적문제를 풀기 위한 과학연구사업을 심화시켜 모든 부문의 생산과 경영활동을 새로운 과학적토대우에 올려세워야 하겠습니다.》 (
극단학습기는 단층앞방향신경망으로써 숨은층의 파라메터들을 우연적으로 생성하고 출구행렬을 해석적으로 결정하는 리론적으로 간단하고 속도가 빠른 학습기로서 최근 신경망응용과 기계학습분야의 주목을 끌고있다.
그러나 대부분의 기계학습알고리듬과 같이 극단학습기도 불균형자료분류에 약점을 가지고있다.
불균형자료기지는 학습자료기지에 속한 클라스들의 견본개수가 상대적으로 큰 차이를 가지는것으로서 현실에서 대부분의 자료기지들은 다 여기에 속하며 이러한 자료기지에서 일반적으로 견본이 작은 클라스들이 상대적으로 중요한 의의를 가진다. 그런데 대부분의 학습알고리듬들을 불균형자료기지에 적용할 때 큰 클라스들에 유리하게 진행되고 작은 클라스들에 대한 성능은 약하거나 무시되는 결함을 가진다.
우리는 광범히 응용되고있는 극단학습기의 불균형자료분류성능을 개선하기 위하여 매 자료기지에 고유한 무게행렬을 계산하고 그것을 기계학습알고리듬에 첨가하여 그의 성능을 개선하기 위한 방법을 제안하였다.
우리는 우선 극단학습기의 불균형자료분류문제의 수학적모형화를 진행하고 그것을 풀기 위하여 최량풀이탐색알고리듬인 차분진화알고리듬을 받아들였으며 그것을 리용하여 최량풀이를 탐색하는 알고리듬을 제안하였다.
다음으로 이에 기초하여 불균형자료문제를 위한 개선된 극단학습기를 구성하였다.
제안된 학습알고리듬은 많은 국제표준자료기지들과 필기체수자화상자료기지, 객체분류화상자료기지, 비데오자료기지에 적용하여 뚜렷한 성능개선을 보여주었다.
최근에 높은 인식정확도를 달성하는 심층학습모형들이 많이 연구되고있다. 극단학습기로 다층신경망구성을 위한 연구사업이 활발히 진행되고있으며 심층모형들을 릉가한다는 연구결과들도 나오고있다.
우리는 앞으로 불균형자료분류연구를 위한 극단학습기설계에 심층학습방법을 적용하여 그 성능을 높이기 위한 연구를 진행하려고 한다.
