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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 1990년도 가을 학술발표논문집 제17권 제2호
발행연도
1990.10
수록면
831 - 834 (4page)

이용수

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

초록· 키워드

오류제보하기
문자인식 시스템을 구성하는 여러 요소 중, 적절한 feature의 선정이 전체의 성능을 크게 좌우한다할 수 있으므로, 시스템을 구축하기 위한 기초 작업으로서 feature에 관한 연구는 매우 중요하다. 물론 현재에도 feature에 관한 다양한 모델들이 제안되어 있으나, 대체로 영문자, 숫자, 일본 문자 등이 그 대상이며, 우리나라 한글의 feature에 관한 연구는 미미한 형편이다. 연구의 방향은 우선 feature들을 heuristic하게 인위적으로 설정한 네오코그니트론 모델을 살펴보고, 다음 신경회로망을 사용한 자동 feature 추출을 다루었다. 사용한 신경회로망 모델은 Back-propagation 모델로서 feature 추출의 역할을 담당한다고 알려진 중간층 노드가 충분히 학습을 시킨 후, 어떠한 형태로 변화하는가를 관찰하였다. 결론적으로 Back-propagation으로 생성된 feature는 distributed한 특징을 보여, local한 feature를 탐지하는 망막과는 구별되는 특징을 보이고 있다. 여기서 생성된 micro feature는 문자인식 신경회로망의 전단부인 feature detector의 feature로서 차후 사용될 수 있을 것이다. 또 여기서 사용된 feature 획득 메카니즘을 사용하여 인쇄체 뿐 아니라 필기체의 경우에도 feature를 발견할 수 있을 것이다.

목차

요약

1. 서론

2. 인위적인 추출

3. 신경회로망을 이용한 feature 추출

4. 결론

참고 문헌

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017968933