• 제어로봇시스템학회논문지
• /
• 제3권6호
• /
• pp.594-601
• /
• 1997

A new algorithm is proposed for training the multilayer perceptrion(MLP) in pattern classification problems to accelerate the learning speed. It is shown that the sigmoid activation function of the output node can have deterimental effect on the performance of learning. To overcome this detrimental effect and to use the information fully in supervised learning, an objective function for binary modes is proposed. This objective function is composed with two new output activation functions which are selectively used depending on desired values of training patterns. The effect of the objective function is analyzed and a training algorithm is proposed based on this. Its performance is tested in several examples. Simulation results show that the performance of the proposed method is better than that of the conventional error back propagation (EBP) method.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국제학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.61-64
• /
• 1992

In this paper, a visual pattern recognition system is proposed, which can recognize both a pattern and its location. This system, referred to as the expanded neocognitron, has the following capabilities: (1) A higher performance in extraction of features, and (2) A new capability for recognizing the locations of patterns. This system adopts the learning and recognizing mechanism of the neocognitron. First, the ability to classify pattern is enhanced by improving the mechanisms of feature extraction and learning algorithm. Second, the function of detecting the location of each pattern is realized by developing an architecture which does not reduce structure, i.e., the unit density is constant all the way from the input stage to the output stage.

• 한국통신학회논문지
• /
• 제22권3호
• /
• pp.481-492
• /
• 1997

This paper presents an algorithm for recognizing surface mount device(SMD) IC pattern based on the error back propoagation(EBP) neural network and discrete cosine transform(DCT). In this approach, we chose such parameters as frequency, angle, translation and amplitude for the shape informantion of SMD IC, which are calculated from the coefficient matrix of DCT. These feature parameters are normalized and then used for the input vector of neural network which is capable of adapting the surroundings such as variation of illumination, arrangement of objects and translation. Learning of EBP neural network is carried out until maximum error of the output layer is less then 0.020 and consequently, after the learning of forty thousand times, the maximum error have got to this value. Experimental results show that the rate of recognition is 100% in case of the random pattern taken at a similar circumstance as well as normalized training pattern. It also show that proposed method is not only relatively relatively simple compare with the traditional space domain method in extracting the feature parameter but also able to re recognize the pattern's class, position, and existence.

• 한국컴퓨터정보학회논문지
• /
• 제23권11호
• /
• pp.25-30
• /
• 2018

Pattern classification system is often an important component of intelligent systems. In this paper, we present a pattern classification system consisted of the feature selection module, knowledge base construction module and decision module. We introduce a feature impact evaluation selection method based on fuzzy cluster analysis considering computational approach and generalization capability of given data characteristics. A fuzzy neural network, OFUN-NET based on unsupervised learning data mining technique produces knowledge base for representative clusters. 240 blemish pattern images are prepared and applied to the proposed system. Experimental results show the feasibility of the proposed classification system as an automating defect inspection tool.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권5호
• /
• pp.277-282
• /
• 2003

In this paper we propose Using Higher Order Neuron on the Supervised Learning Machine of the Kohonen Feature Map. The architecture of proposed model adopts the higher order neuron in the input layer of Kohonen Feature Map as a Supervised Learning Machine. It is able to estimate boundary on input pattern space because or the higher order neuron. However, it suffers from a problem that the number of neuron weight increases because of the higher order neuron in the input layer. In this time, we solved this problem by placing the second order neuron among the higher order neuron. The feature of the higher order neuron can be mapped similar inputs on the Kohonen Feature Map. It also is the network with topological mapping. We have simulated the proposed model in respect of the recognition rate by XOR problem, discrimination of 20 alphabet patterns, Mirror Symmetry problem, and numerical letters Pattern Problem.

• 한국정보처리학회논문지
• /
• 제7권3호
• /
• pp.1025-1031
• /
• 2000

Pre-existing pattern recognition techniques, in the case of character recognition, have limited on the application field. But CAI character learning system and writer's recognition system are very important parts. The application field of pre-existing system can be expanded in the content that the learning of characters and the recognition of writers in the proposed paper. In order to achieve these goals, the development contents are the following: Firstly, pre-processing method by understanding the image structure is proposed, secondly, recognition of characters are accomplished b the histogram distribution characteristics. Finally, similarity measure functions are defined from standard character pattern for matching of the input character pattern. Also the effectiveness of this system is demonstrated by experimenting the standard primitive image.

• 실천공학교육논문지
• /
• 제14권2호
• /
• pp.351-359
• /
• 2022

본 논문에서는 학습자들의 효율적인 학습을 돕는 온라인 학습 도구 애플리케이션을 웹사이트로 제공하고자 한다. 인출, 체계화, 메타인지, 이 세 가지 측면에서 학습자들의 학습 효율을 어떻게 향상시킬 수 있는지에 대해 논의하고자 하며, 본 웹 서비스를 통해 학습자는 플래시 카드 기반의 인출 학습법으로 학습을 진행할 수 있다. 이때, 합성 패턴(Composite Pattern)을 사용하여 플래시 카드를 Directory-File System과 유사한 형태로 관리하는 방법에 대해 서술한다. 학습자는 플래시 카드를 마인드맵으로 변환하여 지식을 체계적으로 정리할 수 있다. 학습자의 학습진행도에 따라 마인드맵의 색상이 달라지며, 학습자는 자신이 무엇을 알고 무엇을 모르는 지 색상을 통해 쉽게 인지할 수 있다. 이때, 학습진행도를 판단하고 예측하는 알고리즘의 정확도를 향상시키기 위한 딥 러닝 모델 구축을 제안한다.

• 생물환경조절학회지
• /
• 제20권4호
• /
• pp.277-282
• /
• 2011

정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 실제 영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 오이의 특징형상 검출은 $15{\times}15$ 간격으로 자동검출 되도록 처리하였다. 오이로 인식된 출력패턴 중에서 오검출된 출력패턴의 비율은 0.1~4.2%로 나타났다. 오류역전파 알고리즘은 영상크기를 $445{\times}363$, $501{\times}391$, $300{\times}421$, $450{\times}271$, $297{\times}421$의 크기에 따라 출력패턴을 얻은 결과 영상의 크기에 따른 검출 값의 변화는 없는 것으로 나타났다. 학습패턴 수가 25개로 증가하면 영상에서 다른 패턴을 검출하는 비율이 16.02%로 나타났다. 또한 학습패턴이 2개인 경우 40개의 영상에서 8개의 오이를 검출하지 못하였다. 학습패턴의 수가 7~9개인 경우 오이의 검출이 가장 좋은 것으로 나타났다.

• 전기전자학회논문지
• /
• 제12권1호
• /
• pp.65-74
• /
• 2008

패턴 분류에 많이 사용되는 기법 중의 하나인 메모리 기반 추론 알고리즘은 단순히 메모리에 저장하고 분류 시에 저장된 패턴과 테스트 패턴간의 거리를 계산하여 가장 가까운 학습패턴의 클래스로 분류하는 기법이기 때문에 패턴의 개수가 늘어나면 메모리가 증가하고 또한 추가로 패턴이 발생할 경우 처음부터 다시 수행해야하는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위하여 이미 학습한 대표패턴을 기억하고 새로 들어오는 패턴에 대해서만 학습하는 점진적 학습 방법을 제안한다. 즉 추가로 학습패턴이 발생할 경우 매번 전체 학습 패턴을 다시 학습하는 것이 아니라, 새로 추가된 데이터만을 학습하여 대표패턴을 추출하여 메모리사용을 줄이는 iMPA(incremental Multi Partition Averaging)기법을 제안하였다. 본 논문에서 제안한 기법은 대표적인 메모리기반 추론 기법인 k-NN 기법과 비교하여 현저하게 줄어든 대표패턴으로 유사한 분류 성능을 보여주며, 점진적 특성을 지닌 NGE 이론을 구현한 EACH 시스템과 점진적인 실험에서도 탁월한 분류 성능을 보여준다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권7호
• /
• pp.585-594
• /
• 2007

오류역전파 방법을 이용하는 신경망들은 패턴들의 학습시간이 매우 오래 걸리고 또한 추가학습과 반복학습의 한계를 가지며, 이런 단점을 보완할 수 있는 이진신경망(Binary Neural Network, BNN)이 Aleksander에 의해 제안되었다. 그러나 BNN도 반복학습에 있어서는 단점을 가지고 있으며, 일반화 패턴을 추출하기 어렵다. 본 논문에서는 BNN의 구조를 개선하여 반복학습과 추가학습이 가능할 뿐 아니라, 특징점들까지 추출할 수 있는 다중 판별자를 가지는 삼차원 뉴로 시스템을 제안한다. 제안된 모델은 기존의 BNN을 기반으로 하여 만들어진 이차원 특징을 가지는 Single Layer Network(SLN)에 귀환회로가 추가되어 특징점들을 누적할 수 있는 삼차원 신경망이다. 학습을 통해 누적된 정보는 판별자의 각 신경세포에 임계치를 조정함으로써 일반화 패턴을 추출할 수 있다. 그리고 생성된 일반화 패턴을 인식에 재사용함으로써 반복학습의 효율성을 높였다. 최종 판정 단계에서는 Maximum Response Detector(MRD)를 이용하였다. 본 논문에서 제안한 시스템을 평가하기 위하여 NIST에서 제공하는 숫자 자료를 이용하였으며, 99.3%의 인식률을 얻었다.