Classification of images containing noise using regularization methods in machine learning

오판으로 인한 실수는 다양한 요인에서 기인하며, 이는 심각한 결과를 초래할 수 있다. 인공지능 역시 이러한 오판의 가능성을 지니며, 이는 주로 인공신경망의 잘못된 계산 결과에서 비롯된다. 따라서 이러한 문제는 인공신경망의 기계학습 단계에서부터 해결 방안을 모색해야 한다. 본 연구에서는 인공신경망을 활용한 이미지 분류 문제를 통해 오판 문제를 다룬다. 기계학습이 완료된 모델에 대해 예기치 않은 입력값(잡음)을 추가하여 오판율을 측정하고, 이에 따른 대응 방안을 탐색한다. 본 연구는 기계학습 과정에서 잡음의 영향을 완화할 수 있는 방안을 찾는 데 초점을 둔다. 특히 인공신경망이 잡음에 강인한 성능을 유지하도록 정규화 기법을 활용한다. 정규화는 본래 과적합 문제를 해결하기 위한 기술이지만, 이 과정이 잡음에 의한 왜곡을 억제하는 데에도 효과적일 수 있다. 나아가, 본 연구는 기존 정규화 기법과 차별화된 접근으로 변수들의 합을 이용한 새로운 정규화 방식을 제안한다.