최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.25 no.4, 2015년, pp.355 - 360
이승철 (수원대학교 전기공학과) , 오성권 (수원대학교 전기공학과) , 김현기 (수원대학교 전기공학과)
In this paper, we propose the design of Radial Basis Function Neural Network based on PCA in order to recognize handwritten digits. The proposed pattern classifier consists of the preprocessing step of PCA and the pattern classification step of pRBFNNs. In the preprocessing step, Feature data is obt...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
일반적인 방사형 기저함수 신경회로망은 어떻게 구성되는가? | 일반적인 방사형 기저함수 신경회로망은 조건부, 결론부, 추론부로 구성된다. 데이터는 조건부의 각 노드에 연결되고, 그 출력과 결론부에서 구한 연결가중치를 이용하여 최종 출력을 구한다. | |
숫자 인식 시스템으로 사용된 방사형 기저함수 신경회로망의 장점은 무엇인가? | 또한 패턴 분류기의 은닉층은 가우시안 함수 대신에 Fuzzy C-Means(FCM) 알고리즘을 이용하여 구성한다[3][4]. 숫자 인식 시스템으로 사용된 방사형 기저함수 신경회로망은 기존의 신경회로망과는 다르게 다차원 문제를 잘 다룰 수 있고, 강인한 네트워크 특성과 예측능력이 우수하다는 장점이 있다. 마지막으로 제안된 패턴 분류기의 성능평가를 위해 필기체 숫자 데이터인 MNIST 데이터를 사용하였고, 기존의 제안된 Neural Networks, Linear Classifier, Quadratic Classifier, Convolutional net 등의 분류기와 비교한다[10]. | |
방사형 기저함수 신경회로망의 조건부에서 활성함수로 어떤 함수가 사용되는가? | 데이터는 조건부의 각 노드에 연결되고, 그 출력과 결론부에서 구한 연결가중치를 이용하여 최종 출력을 구한다. 조건부의 활성함수로는 일반적으로 가우시안 함수가 사용되며, 연결가중치는 상수항으로 정의된다. 방사형 기저함수 신경회로망의 구조는 그림 4와 같다[2]. |
S. K. Oh, W. Pedrycz, B. J. Park, "Polynomial-bas ed Radial Basis Function Neural Networks realized with the Aid of Particle Swarm Optimization," Fuzzy Sets and Systems, Vol. 163, pp. 54-77, 2011.
S. B. Roh, S. C. Joo, W. Pedrycz, and S. K. Oh, "The development of fuzzy radial basis function neural networks based on the concept of information ambiguity," Neurocomputing, Vol. 73, No.13-15, pp. 2464-2477. 2010.
W. Pedrycz, "Conditional fuzzy clustering in the design of radial basis function neural networks", IEEE Trans. Neural Networks, vol.9, pp.601-612, July 1998.
J. C. Bezdek, Pattern recognition with Fuzzy Objective Function Algorithm, Plenum, New York, 1981.
S. P. Lloyd, "Least squares quantization in PCM," IEEE Tran. on Information Theory, vol. 28, no. 2, pp. 129-137, 1992.
H. Addi and L. J. Williams, "Principal component analysis," Wiley Interdisciplinary Reviews: Computational Ststicstics, vol. 2, no. 4, pp. 433-459, 2010.
Y. Ke, and R. Sukthankar, "PCA-SIFT: A More Distinctive Representation for Local Image Descriptors", IEEE Computer Society Conference on Computer Vision and Pattern Recognition Vol. 2, 506-513. 2004.
S. Knerr and L. Personnaz and G. Dreyfus, "Handwritten digit recognition by neural networks with single-layer training," IEEE Trans. Neural Networks, Vol. 3, No. 6, pp. 962-968, 1992.
S. W. Lee, "Off-line recognition of totally unconstrained handwritten numerals using multi layer cluster neural network," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.18, No. 6, pp.648-652, 1996.
Y. LeCun, L. Bottou, Y. Bengio and P. Haffner "Gradient-Based Learning Applied to Document Recognition", IEEE, Vol. 86, pp. 2278-2324, 1998.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.