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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지(B) 정보과학회논문지(B) 제23권 제9호
발행연도
1996.9
수록면
963 - 971 (9page)

이용수

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

초록· 키워드

오류제보하기
신경회로망을 이용한 패턴인식(분류) 기술은 학습패턴들(입력데이타)에 대한 통계적 모델 없이 직접 학습이 가능하다는 장점 때문에 강력한 인식 방법으로 주목을 받아 왔다. 그러나 신경회로망 방법은 학습패턴들의 특성애 따라 망구조를 결정해야 하며 특히, 다층 구조의 경우 국부해에 빠져 제대로 학습되지 않는 경우가 종종 발생한다. 이러한 문제점을 개선하기 위하여 학습패턴들을 대표할 수 있는 간단한 수학적 모델의 도입으로 학습패턴들의 분포 특징을 사전에 추출한 후 원래의 학습 패턴과 함께 입력단에 추가하여 학습 및 인식을 하는 새로운 신경회로망 모델에 대하여 제안한다. 본 논문에서는 학습패턴들의 분포 특징을 얻기 위하여 클러스터링 모델을 이용하였으며 신경회로망 중에 응용성이 광범한 다층퍼셉트론 모델에 국한시켜 연구하였다. 세 가지 예제에 대한 모의실험 결과를 통해 다층퍼셉트론 모델에 비해 제안한 모델이 학습 속도 및 인식 능력에 있어서 개선되었음을 보였다.

목차

요약

Abstract

1. 서론

2. 제안한 모델의 구현

3. 실험 및 성능비교

4. 결론 및 연구 방향

참고문헌

저자소개

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-0101-2009-569-017753705