입력 차원 축소를 이용한 이동 불변 2차 신경망의 효율적 구현

이봉규; 조유근

추천

검색

질문

자료유형: 학술저널

저자정보: 이봉규 조유근

저널정보: Korean Institute of Information Scientists and Engineers (구)정보과학회논문지 정보과학회논문지 제21권 제12호

발행연도: 1994.12

수록면: 2,383 - 2,389 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

1994

입력 차원 축소를 이용한 이동 불변 2차 신경망의 효율적 구현

이봉규 , 조유근 (구)정보과학회논문지 1994.12 학술저널

주성분 분석을 이용한 이동 불변 이차 신경망의 노드 축소

이봉규 , 이흥호 , 조유근 한국정보과학회 학술발표논문집 1994.04 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

오류역전파(EBP) 학습 규칙을 사용하는 1차 다층 퍼셉트론은 구조의 단순함과 우수한 문제 해결 능력으로 최근 패턴 인식 분야에서 많은 관심을 끌고 있다. 그러나 EBP를 사용하는 1차 다층 퍼셉트론이 위치 이동에 무관하게 패턴 집합을 구별하기 위해서는 많은 양의 변형된 형태들을 학습해야 한다. 따라서 위치 불변 패턴 인식에 사용하기 어렵다. 더욱이 1차 다층 퍼셉트론은 많은 패턴을 학습하고도 새로운 패턴에 대해 단지 80-90%를 인식할 뿐이다. 2차 신경망은 기하학적으로 관련 있는 2개 픽셀의 비선형 조합을 입력으로 가지는 다층 신경망이다. 따라서 2차 신경망은 패턴의 한 변형만을 학습하여 위치 불변 인식을 할 수 있다. 그러나 2차 신경망은 위치 이동만을 고려하더라도 입력 노드 수가 O(N²)로 증가하기 때문에 구현이 어렵다. 또한 학습 및 인식 시간이 많이 소요되는 문제점이 있다.
본 논문에서는 2차 신경망이 가지는 문제점인 입력 노드 수의 기하급수적인 증가 문제를 해결하기 위한 방법으로 입력의 픽셀 조합과 주성분 분석을 이용하여 위치 불변 2차 신경망의 입력 노드 수를 O(N²)에서 N보다 적게 축소하는 방법을 제안한다. 제안된 방법은 위치 불변 2차 신경망을 입력 패턴 차원 N에 대해서 (2*N)/5개의 입력 노드로 구현하기 때문에 2창 신경망 입력 노드 수의 기하급수적 증가를 해결할 수 있다. 또한 학습과 인식 시간을 향상시켰다. 구현된 2차 신경망은 위치 이동된 한글 명조체 990자에 대한 실험에서 축소되지 않은 것에 비해서 대등한 인식율을 보이면서 인식 및 학습 시간을 단축시키는 결과를 보였다.

1st-order Multi-layer perceptrons using EBP (Error Back Propagation) learning rule have attracted a great deal of interest recently in the field of pattern recognition, because of it's simplicity and superior problem solving capabilities. But, because 1st-order Multilayer perceptrons must be trained on a large subset of transformed views to learn to distinguish between a set of patterns independent of their position, they can hardly be used for shift invariant pattern recognitions. Moreover, even after extensive training with large training set, they usually achieve only 80-90% recognition capabilities on novel examples. 2nd-order neural network is a multi-layer network that has inputs consisting of geometrically related nonlinear combinations of two pixels. So, 2nd -order neural networks need to be trained on just one transformed view of each pattern for shift invariant recognition. But the number of 2nd-order neural network input nodes increase in proportion to O(N²), where N is the dimension of the input patterns, even if we only consider shift invariance. This is the major obstacle to actual implementations of 2nd-order neural networks. Also, such large number of input nodes lead to slow learning and recognition.
In this paper, as a part of a method to solve the combinatorial explosion of the number of 2nd-order neural network input nodes, we propose a method for reducing the number of shift invariant 2nd-order neural network input nodes from O(N²) to less than N using pattern pixel combinations and PCA(Principal Component Analysis). Because we can implement a shift invariant 2nd-order neural network only with (2*N)/5 nodes using the proposed method, we are able to solve the combinatorial explosion of input nodes. Also, we improve the learning and recognition time of the network. The implemented 2nd-order neural network showed similar recognition rates to the unreduced network in experiments using 990 shifted Hangul Mungjo characters while decreasing the learning and recognition time.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이봉규

소속기관 제주대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 복합학 > 학제간연구

논문수 63 이용수 21,143

조유근

소속기관 서울대학교

주요연구분야 공학 > 컴퓨터학 TOP 10% 복합학 > 과학기술학

논문수 218 이용수 11,988

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-017762600

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)