초록
다중층 퍼셉트론(Multilayer Perceptron, MLP)은 일반적으로 비선형 활성화 함수를 갖춘 여러 개의 완전 연결 레이어로 구성됩니다. MLP의 성능을 개선하기 위한 다양한 접근 방식(예: 더 빠른 수렴, 더 나은 수렴 한계 등)이 제시되었지만, 이들에 대한 체계적인 테스트 방법이 부족한 상태입니다. 본 연구에서는 연령과 성별 데이터셋을 사용하여 다양한 MLP 아키텍처를 실험으로 검증하였습니다. 경험적 분석을 통해 입력 데이터를 각 선형 레이어 전에 화이트닝 처리하고 스킵 연결을 추가함으로써 제안된 MLP 아키텍처가 더 우수한 성능을 낼 수 있음을 보였습니다. 화이트닝 과정에는 드롭아웃(Dropout)이 포함되어 있어, 베이지안 추론(Bayesian Inference)의 근사치를 구하는 데에도 활용될 수 있습니다. 본 연구에서 사용한 코드는 오픈 소스로 공개되었으며, 모델과 Docker 이미지는 https://github.com/tae898/age-gender/에서 제공됩니다.