CNN모델 학습을 통한 하이퍼파라미터의 이해
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- 한양대(서울) 컴퓨터소프트웨어학부
- 활동 유형
- 세부능력 및 특기사항
- 교과 과목
- 프로그래밍, 수학Ⅰ, 수학Ⅱ
- 탐구 키워드
- 인공지능 (머신러닝, NLP 등)
2026-04-09
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
YOLO 모델은 직접 활용해보았는데, CNN은 직접 사용해보지 않고 이론 탐구로 그친 것 같다는 생각에 탐구를 진행함.
Padding, Stride 등 하이퍼파라미터를 조절해가며 직접 학습을 수행해봄.
stride가 큰 경우 학습 속도는 빠르나 정확도가 떨어지며, Padding이 큰 경우 정보 손실이 줄어 정확도가 높아지는 것을 확인할 수 있음. 다만 학습속도는 일부 감소함을 확인함.
pading과 stride가 미치는 영향들을 직접 확인해 볼 수 있었음.
이론적인 탐구에서 그치지 않으려는 탐구력을 보여줄 수 있었다는 점에서 의미가 있었다고 생각함.
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.