인공신경망 딥러닝(Deep Learning)을 이용한 엘니뇨 예측성 연구
* 본 연구 내용은 한국해양학회의 2017년 춘계학술대회에서 발표한 초록을 옮긴 것입니다. 인공신경망 딥러닝(Deep Learning)을 이용한 엘니뇨 예측성 연구 인공신경망(Neural Networks, NN)을 깊게 구성한 것을 심층신경망(Deep NN, DNN)이라고 부르며 최근의 심층신경망은 새로운 패러다임을 맞이하여 딥러닝(Deep Learning)이라는 신조어로 불리운다. 심층신경망은 그 방법에 따라서 합성곱신경망(Convolutional NN, CNN)과 순환신경망(Recurrent NN, RNN), 심층신뢰망(Deep Belief Network, DBN) 등으로 나누어 진다. CNN과 DBN은 이미지 인식과 같은 독립자료의 처리에 적합하며, RNN은 언어 인식과 같이 자료의 순서가 중요한 ..
수치모형/인공지능
2017. 5. 7. 23:09
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
TAG
- 수치모형
- Numerical Models
- POP1
- AGCM
- 수치모델
- 조석
- GFDL
- Linux
- CGCM
- Reanalysis
- CCSM3
- cluster
- OGCM
- 서울대학교
- 재분석자료
- 연세대학교
- 기후변화
- 대기순환모형
- WWW
- Numerical Model
- 해양순환모형
- 초단기
- Scientific Visualization
- 수치예보
- Tide
- Ocean Circulation
- 접합모형
- 쓰나미
- 과학가시화
- Tsunami
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
글 보관함