메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 최근에 많이 연구되어 있는 여러 신경망 모델중 Back-Propagation(BPN), Coulomb Energy(CEN) 그리고 최근에 발표된 Functional-Link(FLN) 네트워크를 사용하여 각 모델의 Classification 영역에 있어서의 학습속도와 인식률을 비교 분석하였다. 문제영역은 학습속도를 비교 하기위해 각 모델별로 XOR, Symmetry Problem으로 정하였고, 인식률을 비교하기위해 CEN 보다 학습속도가 빠르게 나타난 BPN과 FLN을 사용하여 인쇄체 숫자를 distortion 비율에 따라 비교하면서 관찰 하였다.

목차

요약

Ⅰ. 서론

Ⅱ. 신경망 모델

Ⅲ. Simulation

Ⅳ. 실험 결과의 분석

Ⅴ. 결론

<참고 문헌>

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017915745