초록 ▼

연구 개발 목표 및 내용
학습이 가능한 영상인식용 광신경회로망 시스템의 구현 기술 확립
광학적 다중연결 연구 및 광학적 구현에 적합한 신경회로망 구조 연구
학습기능을 가진 광신경회로망 시스템의 구현
광신경회로망 시스템 및 신경회로 알고리즘의 성능 개선
연구 결과
숫자인식용 광신경회로망 시스템의 구현
다층인식(Multi-Layer Perceptron) 모델을 광학적 구현 목적에 맞추어 수정
홀로그램 렌즈배열과 렌즈를 이용하여 3차원 광연결구조 형성
출력값을 입력에 비례하

연구 개발 목표 및 내용
학습이 가능한 영상인식용 광신경회로망 시스템의 구현 기술 확립
광학적 다중연결 연구 및 광학적 구현에 적합한 신경회로망 구조 연구
학습기능을 가진 광신경회로망 시스템의 구현
광신경회로망 시스템 및 신경회로 알고리즘의 성능 개선
연구 결과
숫자인식용 광신경회로망 시스템의 구현
다층인식(Multi-Layer Perceptron) 모델을 광학적 구현 목적에 맞추어 수정
홀로그램 렌즈배열과 렌즈를 이용하여 3차원 광연결구조 형성
출력값을 입력에 비례하는 값으로 문턱화( 연결세기를 양수로만 구성 )
0부터 9까지 10개의 숫자 인식 시스템 광학적 구현 및 실험
이진위상필터(BPOF)를 이용한 숫자 인식 실험
신경회로망 Algorithm 인 Simulated Annealing을 이용하여 BPOF를 최적화
Computer Generated Hologram을 이용한 BPOF의 제작
10개의 숫자를 각각 다르게 분류하는 실험

목차 Contents

• 제1부 숫자인식용 광 신경회로망 시스템의 구현...9
• 1장 서론...10
• 2장 다층인식자의 학습이론...12
• 2.1 오류 역전파 학습법칙...12
• 2.1.1 에너지 함수를 sum-of squares 함수로 했을 때와 log-likelihood 함수로 했을 때의 학습법칙의 비교...13
• 2.1.2 두가지 에너지 함수에 대한 simulation...18
• 2.2 광학적 구현을 위한 학습법칙의 수정...20
• 3장 다층인식자의 전기광학적 구현방법...21
• 3.1 개요...21
• 3.2 홀로그램 렌즈 배열을 이용한 상호연결...21
• 3.3 다층인식자의 구현장치...24
• 3.4 연결요소의 선형성...26
• 4장 숫자패턴의 학습...30
• 4.1 학습과정...30
• 4.2 해밍거리에 따른 인식율...42
• 5장 결론...45
• 참고문헌...46
• 제2부 Simulated Annealing 기법을 이용한 문자인식 시스템의 광학적 구현...47
• 1장 서론...48
• 2장 Simulated Annealing 기법의 특성과 BPUF의 설계...50
• 2.1 Simulated Annealing 기법...50
• 2.2 Cooling Schedule 및 에너지 함수...52
• 2.3 Simulated Annealing 을 이용한 BPUF의 설계...55
• 3장 시뮬레이션 결과...59
• 4장 BPUF의 제작과 실험 및 결과고찰...65
• 4.1 CCH를 이용한 BPUF제작...65
• 4.2 강 상관기의 설계...66
• 4.3 패턴인식 실험 및 결과 고찰...68