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
벡터양자화(Vector Quantization : VQ)등에 널리 사용되어 온 코호넨의 SOFM(Self-Organizing Feature Maps)는 고정된 크기와 구조의 네트워크를 사용하기 때문에 실제 패턴을 적절히 분류하지 못하는 문제가 있다. 반면, 이것은 기본적으로 빠른 점증 학습이 가능하여 다층 퍼셉트론의 단점을 보완할 수 있는 패턴분류기로 부각되고 있다. 본 논문에서는 네트워크의 구조도 학습과정에서 주어진 패턴에 적응적으로 변형되는 구조적응 자기조직화 신경망과 그 학습 알고리즘을 제안한다. 제안된 신경망은 기존의 SOFM에 구조적응 기능을 부여함으로써 주어진 패턴의 분류에 적합한 네트워크의 구조 및 크기를 자동적으로 찾는다. 여러가지 크기의 활자체에 대한 인쇄체 숫자인식에 적용한 결과 페턴분류에 적절한 구조가 생성되었으며, 보다 복잡한 필기체 인식문제에서도 그 가능성을 보여주었다.

목차

요약

Ⅰ. 서론

Ⅱ. SOFM에 의한 패턴 분류

Ⅲ. 구조적응 자기조직화 신경망

Ⅳ. 실험 결과 및 토의

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-0101-2009-569-017972580