인공지능 챗봇 이미지 데이터 훈련 비용 최소화 가능하다
KAIST 전산학부 이재길 교수 연구팀이 심층신경망 훈련 비용을 최소화할 수 있도록 훈련 데이터의 양을 줄이는 새로운 데이터 선택 기술을 개발했다고 2일 밝혔습니다.
이재길 교수팀이 개발한 기술은 레이블 오류를 스스로 수정하는 최신 재레이블링 학습법을 위해 핵심 집합 선별을 수행하여 심층 학습 훈련 비용을 최소화할 수 있도록 해주는데요.
[2] 再레이블링(Re-labeling): 훈련 데이터에 존재하는 레이블 오류를 심층신경망 훈련 과정 중 스스로 자동으로 수정하여 최종 심층신경망 모델 성능을 향상하는 최신 인공지능 학습 방법론이다.
뉴스픽의 주요 문장 추출 기술을 사용하여 “이웃집과학자” 기사 내용을 3줄로 요약한 결과입니다. 일부 누락된 내용이 있어 전반적인 이해를 위해서는 본문 전체 읽기를 권장합니다.
