초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 기존의 신경 회로망이 지니던 문제점들을 해결하고 보다 인간과 가까운 인식 프로세스를 지니는 시스템을 제안하고, 시스템 검증을 위해 필기체 숫자 인식 실험을 하였다. 추가 학습과 반복 학습이 가능한 3-D 신경회로망에 귀환회로를 사용한 인식 모델(A Dynamic 3-D Neuro System)을 이용하여 오프라인 필기체 숫자 인식 실험을 하였다. 시스템은 3-D 신경회로망기반의 LPN(Learning Processor Network)과 SLN기반의 WCNN(Weightless Category ...

본 논문은 기존의 신경 회로망이 지니던 문제점들을 해결하고 보다 인간과 가까운 인식 프로세스를 지니는 시스템을 제안하고, 시스템 검증을 위해 필기체 숫자 인식 실험을 하였다. 추가 학습과 반복 학습이 가능한 3-D 신경회로망에 귀환회로를 사용한 인식 모델(A Dynamic 3-D Neuro System)을 이용하여 오프라인 필기체 숫자 인식 실험을 하였다. 시스템은 3-D 신경회로망기반의 LPN(Learning Processor Network)과 SLN기반의 WCNN(Weightless Category Neural Network)으로 구성된다. 학습을 통해 누적된 LPN 판별자의 각 신경세포에 일정한 기준치(Threshold)를 정해줌으로써 일반화된 패턴(Generalized Pattern)을 도출해 낼 수 있고, 도출된 일반화 패턴을 인식시 사용할 수 있었다. 인식시 Lee의 피드백(Feedback) 기법을 이용하여 미지의 패턴을 원형으로 복원시키고, 복원된 결과 데이터를 WCNN의 입력으로 하여 강력한 결론을 내릴 수 있도록 하였다. 이러한 패턴인식방법은 인간의 인식심리와 유사한 기능을 발휘함을 볼 수 있었다. NIST의 MNIST 데이터베이스를 사용하여 실험하였고, 결과로 교육된 6만개의 교육데이터에 대해서는 99.2%의 정인식률을, 1만개의 테스트 데이터에 대해서는 99.0%의 정인식률을 얻었다. 동일한 데이터를 사용한 타 모델의 실험결과와 비교해 볼 때 본 논문에서 사용한 인식모델이 유용함을 알 수 있었다.

Abstract ▼ AI-Helper

In this paper, We experimented on Offline Handwritten Digit Recognition Using A Dynamic 3-D Neuro System which enables additional learning and repeated learning. The System is consisted of a LPN(Learning Processor Network) which is based on 3-D Neural Network and a WCNN(Weightless Category Neural Ne...

In this paper, We experimented on Offline Handwritten Digit Recognition Using A Dynamic 3-D Neuro System which enables additional learning and repeated learning. The System is consisted of a LPN(Learning Processor Network) which is based on 3-D Neural Network and a WCNN(Weightless Category Neural Network) which is based on SLN(Single Layer Network). We could produce Generalized Pattern by putting a proper threshold into a result data of learning-net's discriminator which is resulted from learning procedure, and it can be used to recognition process. We could transfer unknown pattern to prototype by using Lees's Feeback Method in recognition process, and We could make a strong decision by putting the generalized pattern into the WCNN as an input. This recognition method operated like the human's recognition process. we experimented using The MNIST Database of NIST and got 99.2% of right recognition rate for training data and 99.0% of right recogntion rate for test data. Comparing with other experimental results, we could know that our pattern recognition model is useful.

주제어