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
인공신경망은 학습(learning), 일반화(generalization), 결함허용(fault tolerance) 및 병렬처리(parallelism)등의 장점을 갖는다. 반면에 학습 및 인식 과정에서의 설명기능이 없으며 학습속도가 느린 단점을 갖는다. 이에 본 연구에서는 학습 속도 및 인식률의 향상을 위해 최적 인공 신경망 구성을 위한 알고리즘을 제시한다. 또한, 학습 및 인식 과정에서의 설명기능 추가를 위하여 퍼지 이론을 도입한다. 이를 바탕으로 학습의 효율성을 높이고 인식을 향상을 위한 FCES(Fuzzy Connectionist Expert System)를 설계한다.

목차

요약

1. 서론

2. FCES의 설계방법

3. FCES의 설계

4. 결론

참고문헌

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017988297