입력 차원 축소를 이용한 이동 불변 2차 신경망의 효율적 구현 = An Efficient Implementation of Shift Invariant 2nd-order Neural Network using Input Dimension Reduction
저자
발행기관
濟州大學校 基礎科學硏究所(RESEARCH INSTITUTE FOR BASIC SCIENCES CHEJU NATIONAL UNIVERSITY)
학술지명
基礎科學硏究(THE JOURNAL OF BASIC SCIENCES CHEJU NATIONAL UNIVERSITY)
권호사항
발행연도
1996
작성언어
Korean
KDC
404
자료형태
학술저널
수록면
55-65(11쪽)
제공처
오류역전파(EBP)학습규칙을 사용하는 1차 다층 퍼셉트론은 구조의 단순함과 우수한 문제 해결능력으로 최근 패턴 인식 분야에서 많은 관심을 끌고 있다. 그러나 EBP를 사용하는 1차 다층 퍼셉트론이 위치 이동에 무관하게 패턴 집합을 구별하기 위해서는 많은 양의 변형된 형태들을 학습해야 한다. 따라서 위치 불변 패턴 인식에 사용하기 어렵다. 더욱이 1차 다층 퍼셉트론은 많은 패턴을 학습하고도 새로운 패턴에 대해 단지 80-90%를 인식할 뿐이다. 2차 신경망은 기하학적으로 관련있는 2개 픽셀의 비선형 조합을 입력으로 가지는 다층 신경망이다. 따라서 2차 신경망은 패턴의 한 변형만을 학습하여 위치 불변인식을 할 수 있다. 그러나 2차 신경망은 위치 이동만을 고려하더라도 입력 노드 수가 O(N²)로 증가하기 때문에 구현이 어렵다. 또한 학습 및 인식시간이 많이 소요되는 문제점이 있다.
본 논문에서는 2차 신경망이 가지는 문제점인 입력노드수의 기하급수적인 증가 문제를 해결하기 위한 방법으로 입력의 픽셀 조합과 주성분 분석을 이용하여 위치 불변 2차 신경망의 입력 노드수를 O(N²)에서 N보다 적게 축소하는 방법을 제안한다. 제안된 방법은 위치 불변 2차 신경망를 입력 패턴 차원 N에 대해서 (2*N)/5개의 입력 노드로 구현하기 때문에 2차 신경망 입력 노드수의 기하급수적 증가를 해결할 수 있다. 또한 학습과 인식시간을 향상시켰다. 구현된 2차 신경망은 위치 이동된 한글 명조체 990자에 대한 실험에서 축소되지 않은 것에 비해서 대등한 인식율을 보이면서 인식 및 학습시간을 단축시키는 결과를 보였다.
1st-order Multi-layer perceptrons using EBP(Error Back Propagation) learning rule have attracted a great deal of interest recently in the field of pattern recognition, because of it's simplicity and superior problem solving capabilities. But, because 1st-order Multi-layer perceptrons must be trained on a large subset of transformed views to learn to distinguish between a set of patterns independent of their position, they can hardly be used for shift invariant pattern recognitions. Moreover, even after extensive training with large training set, they usually achieve only 80-90% recognition capabilities on novel examples. 2nd-order neural network is a multi-layer network that has inputs consisting of geometrically related nonlinear combinations of two pixels. So, 2nd-order neural networks need to be trained on just one transformed view of each pattern for shift invariant recognition. But the number of 2nd-order neural network input nodes increase in proportion to O(N2), where N is the dimension of the input patterns, even if we only consider shift invariance. This is the major obstacle to actual implementations of 2nd-order neural networks. Also, such large number of input nodes lead to slow learning and recognition.
In this paper, as a part of a method to solve the combinatorial explosion of the number of 2nd-order neural network input nodes, we propose a method for reducing the number of shift invariant 2nd-order neural network input nodes from O(N2) to less than N using pattern pixel combinations and PCA(Principal Component Analysis). Because we can implement a shift invariant 2nd-order neural network only with (2*N)/5 nodes using the proposed method, we are able to solve the combinatorial explosion of input nodes. Also, we improve the learning and recognition time of the network. The implemented 2nd-order neural network showed similar recognition rates to the unreduced network in experiments using 990 shifted Hangul Mungjo characters while decreasing the learning and recognition time.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)