동적 패턴 관리에 의한 신경회로망의 확장에 관한 연구

Abstract

This thesis presents the new method to recognize the 2D patterns dynamically by shifting the input patterns according to the difference vectors. Generally neural network with many patterns can lead to high recognition ratio, in spite of which is quite various depend on the types of learning patterns. In this thesis, we solved this problem using the dynamic management of input patterns. For the pratical Hangul recognition, we grouped the characters into one of the six types of Hangul structure by structural similarity and expanded them in the proposed method. We divide neural network model to FNN and BNN, and learn them respectively. we combine them to construct the total network system. In recall phase, dynamic management of input pattern by shifting increase the recognition ratio. Our model has some good results such that it has less number of patterns and reduce learning time.; 본 논문에서는 입력 영상의 위치에 무관하계 패턴을 인식할 수 있는 방법을 제안한다. 일반적으로 신경회로망은 학습 패턴의 수를 많게 하여 인식률을 높일 수는 있으나 학습 패턴의 선정에 따라 그 인식률의 차이가 현저하다. 이러한 인식률의 차이를 입력 패턴의 동적 관리로 해결하여 보았다. 패턴의 동적 관리로 패턴이 기억된 메모리버퍼를 제어 신호로 좌우 또는 상하로 이동시킬 수 있도록 하는 것이다. 실용적인 한글 인식을 위해 입력된 문자 영상을 6가지 유형 중 하나로 분류한 후 각각에 대한 문자 인식 신경회로망을 구축하고 제안된 방법으로 확장한다. 제안된 신경회로망 모델은 FNN(Feed forward Neural Network)과 BNN(Backward Neural Network)을 EBP 학습 방법으로 각각 학습시켜 결합하였다. 학습된 입력 패턴과 근사한 패턴을 찾을 때까지 동적으로 입력 패턴을 관리하므로 인식률을 기존의 방법에 비해 더 높일 수 있게 된다. 학습 패턴의 수는 적게 설정하므로 학습 시간의 단축 효과가 있다.