http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 방승양(S Y Bang) (검색결과 17 건)
- 무료
- 기관 내 무료
- 유료
-
Neocognitron 방식을 이용한 인쇄체 한글 문자인식에 관한 연구
김화룡(H.R.Kim),박영환(Y.H.Park),방승양(S.Y.Bang) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.1
본 논문에서 구현한 한글인식 시스템은 네오코그니트론의 기본 아이디어를 사용한 것으로 자음인식 신경회로망과 모음인식 신경회로망을 기본으로하여, 이들 신경회로망들이 6가지의 한글구조에 따라서 적절히 결합되어 있는 복수개의 신경회로망으로 이루어져 있다. 인식과정은 입력층에 자극패턴이 주어지면 각각의 형태별 신경회로망에서 첫 번째 S-세포층은 아주 기본적인 지역적 특징을 추출하고 두 번째 S-세포층은 전단계에서 추출한 지역적 특징들을 조합함으로 가능한 보다 전역적(global)인 특징들을 추출한다. 결과적으로 가장 적합한 출력을 발생하는 신경회로망의 출력이 입력층에 주어진 자극패턴의 자모에 대응하는 코드가 된다. 인식시 형태분류 오류를 줄이기 위하여 하위 단계에서의 오류가 상위층으로 전파되지 못하도록 특징추출 세포들끼리는 상호억제 작용을 한다. 실제 인식 실험에서 401자의 한글문자를 사용하여 96.7%의 인식율을 얻었다. 그러나 상당히 복잡한 연결구조, 학습패턴의 선정이 용이하지 않은점, 다양한 파라미터의 조정과정 등이 개선되어야 더 효율적인 인식 시스템이 될 수 있다.
-
박상태(S. T. Park),방승양(S. Y. Bang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
기존의 패턴분류방법의 일종인 Nearest neighbor 방법에 근거한 신경회로망 모델 가운데 APC (이하 APC-Ⅰ이라 함.) 가 있다. 이 논문에서는 기존의 APC-Ⅰ을 개선한 APC-Ⅱ와 그 학습 알고리즘들을 제안한다. APC-Ⅰ은 Nearest neighbor 방법을 신경회로망에 매핑시킴으로써 오류역전파 (Error Backpropagation) 학습법을 이용하는 다층 퍼셉트론 (Multilayer Perception) 모델의 여러가지 문제점, 즉 학습시간이 오래 걸리고, 추가학습이 어려우며, 적당한 중간층 뉴런의 갯수 선정이 어려운 점 등의 문제를 해결하고 있지만, 미인식 영역이 존재하며, 중간층 뉴런의 갯수가 너무 많아지는 단점을 가지고 있다. 이 논문에서는 APC-Ⅱ가 APC-Ⅰ의 장점들을 살리면서도 APC-Ⅰ이 안고 있는 여러 단점들을 극복함을 보인다. 즉, 필기체 숫자 인식 실험을 포함한 다양한 실험에서 APC-Ⅱ가 APC-Ⅰ보다 훨씬 더 효율적임을 보임으로써 APC-Ⅱ가 범용성이 높고 효율적인 새로운 패턴분류기임을 확인한다.
-
신경회로망을 이용한 한글 한자 혼용 문서 인식기의 개발
김우성(W.S.Kim),방승양(S.Y.Bang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
최근 사회가 정보화됨에 따라 인간과 컴퓨터 사이에 정보 교환 수단에 관한 연구가 많이 진행되어 왔다. 그중 다량의 정보를 신속하게, 그리고 자동적으로 입력시킬 수 있는 방법 중의 하나가 문서인식이다. 현재까지는 주로 한글로만 구성된 문서에 국한된 연구가 진행되었으나 실제적으로 한글 이외의 다른 문자가 혼용된 문서가 많이 쓰이고 있으며 컴퓨터 상에서도 이러한 문서를 처리할 수 있어야 한다. 따라서 한글과 다른 여러나라의 문자들이 혼용된 문서를 보다 빠르게 인식할 수 있는 시스템이 요구된다. 본 연구에서는 한글과 한자가 혼용된 문서의 인식기를 구성하였다. 이를 위해 한글에 의존하지 않는 인식 방법 및 특징을 제안한다. 또 기존의 신경회로망 중 SOFM(Self Organizing Feature Map)을 수정하여 한글 한자를 6가지로 유형분류한 후, 분류된 각 유형 내에서는 APC(Adaptive Pattern Classifer)를 이용하여 인식하는 방법을 사용하였다. 실험 결과 한글 520자 명조체, 고딕체와 한자 900자에 대해 약 95%의 인식률을 보였다. 또 한글과 한자가 혼용된 문서에 대해 약 94%의 인식률을 보였으며 인식 속도는 1초에 약 8자를 인식하였다. 그밖에 본 연구에서 제한된 인식기의 특징은 한글의 구조적 특성에 전혀 의존하지 않기 때문에 어느 활자체 및 어느 나라의 문자도 추가학습에 의해 인식할 수 있다는 것이다.
-
김우성(W.S.KIM),김대환(D.H.KIM),방승양(S.Y.BANG) 한국정보과학회 1991 한국정보과학회 학술발표논문집 Vol.18 No.1
신경회로망의 가장 큰 특징 중의 하나는 대규모 병렬성으로 이를 기존의 von Neumann 구조의 컴퓨터 상에서 소프트웨어로 시뮬레이션하기에는 상당한 노력이 요구된다. 본 연구에서는 이 시뮬레이션의 가장 기본적인 요소로 신경회로망을 효율적으로 기술할 수 있는 확장가능한 언어를 설계하였다. 즉 이 언어는 객체 지향형의 개념을 도입한 라이브러리 형식으로 구성되어 있으므로 사용자가 손쉽게 새로운 모델을 정의할 수 있고 기존 모델의 특성을 유형상속받아 이를 수정, 보완한 모델을 구성하기도 용이하다. 여기서는 이 언어의 핵심 부분을 C++를 사용하여 설계하였으며 역전파 학습 신경회로망을 구현함으로써 그 유용성을 입증하였다.
-
네오코그니트론 방식의 신경회로망을 이용한 한글 문자 인식
김화룡(H R. Kim),방승양(S. Y. Bang) 한국정보과학회 1991 정보과학회논문지 Vol.18 No.3
이 논문에서는 네오코그니트론 방식의 신경회로망을 이용한 한글 문자 인식 시스템을 제안한다. 이 시스템은 각 한글 형태에 대응되는 6개의 신경회로망으로 구성된다. 각 신경회로망은 그 문자 형태에 따른 고유한 지역적(local) 특징들을 고려하여 별도로 학습시킨다. 이 시스템은 네오코그니트론 원리를 썼기 때문에 약간의 위치나 잡음에도 강한 특징을 갖고 있다. 이 시스템에서는 인식률을 높이기 위하여 특징을 포착하는 노드 사이에 상호억제(lateral inhibition) 등의 새로운 아이디어를 추가하였다. 문자의 인식은, 우선 각 형태마다 제일 출력이 큰 것을 후보자로 택하고 6개의 후보자 중에서 제일 큰 것을 선택함으로써 이루어진다. 전처리를 거친 401개의 고딕 한글 문자에 대하여 실험한 결과 96.7%의 인식률을 얻었다. This paper presents a Hangeul recognition system for printed characters using a modified Neocognitron. The proposed system consists of six neural networks operating in parallel. Each network corresponding to one of six Hangeul character types is trained with the local features found in the characters. It recognizes characters correctly in the presence of shifts in position and can also recognize noisy characters by adjusting the cell's selectivity parameter. In order to enhance the recognition rate, lateral inhibition among feature extracting cells is implemented in the recognition stage. When recognizing a character, each network outputs a candidate code and its corresponding matching score. The network with the highest matching score wins and its output is selected for the code of the input character. This system has been tested with frequently used 401 printed Hangeul characters in thinned Gothic font and achieved 96.7% correct recognition.
-
문자조합 규칙 학습에 의한 한글 온라인 필기 인식기의 설계
성태진(T.J.Seong),방승양(S.Y.Bang) 한국정보과학회 1991 한국정보과학회 학술발표논문집 Vol.18 No.2
본 논문에서는 신경회로망 모델 다층 퍼셉트론과 적응적 패턴 분류기를 복합하여 구성한 온라인 한글 필기 인식 시스템을 제안한다. 이 시스템은 온라인 필기 문자는 획들의 조합이다라는 문자 필기에 있어선의 간단한 원칙을 그대로 두개의 신경망으로 구성하였으며 어느정도 자유로운 필기를 허용한다. 그래서 다층 퍼셉트론은 획인식을 전담하여 획에 있어서의 변형을 수용하여 여러가지 변형된 획들을 몇가지의 획으로 단순화하는 역할을 한다. 이렇게 인식된 획들과 획들간의 상대적인 방향 코드를 이용하여 적응적 패턴 분류기는 이미 학습된 하나의 문자를 구성하는 획들을 조합하여 문자를 인식한다. 이 적응적 패턴 분류기는 획들의 쓰여기는 순서의 변형과 잘못 인식된 획을 허용하여 인식할 수 있도록 한다. 그리고 한글 200자에 대한 인식 실험을 한 결과 많은 변형을 수용하면서 91%의 인식률을 보였다.
-
김대환(D. H. Kim),방승양(S. Y. Bang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.2
본 논문에서는 문자 영상 데이타의 변형량을 정의하고 그것이 가져야 할 조건 6가지를 제안한다. 이 조건은 변형량이 여백이나 문자의 두께에 무관하며 같은 문자 뿐만아니라 다른 간에도 비교할 수 있도록 한다. 비교의 대상으로 할 변형량들은 평균 엔트로피, 분포 엔트로피, 변동 엔트로피, 단위 윤곽선 변동량, Dispersion Factor이다. 이 5가지 변형량에 대해서 변형량의 6가지 조건 중 어느 것을 만족시키는지 수식을 통해 알아내었다. 또 데이타의 인위적인 여러 분포에 대하여 각 변형량을 측정해 보고 수식을 통해 밝힌 내용이 옳음을 검증한다.
-
-
Backpropagation 신경회로망을 사용한 한글 필기체 오프라인 문자인식
이희건(H.K.Lee),방승양(S.Y.Bang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
Backpropagation은 모델 자체가 단순하면서도 여러 응용 분야에서 좋은 결과가 보고됨으로써 가장 광범위하게 채택되는 모델이며, 특히 한글 필기체 오프라인 문자인식처럼 기존의 방법론으로도 잘 해결되기 어려운 문제에 적합할 수 있다. 그러나 통상 Backpropagation을 사용한 문자인식은 학습 데이타에 대해서는 만족할 만한 인식 결과를 보이고 있으나, 미학습 데이타에 대해서는 매우 취약한 약점을 지니고 있다. 즉 신경회로망은 사람이 원하는 내용을 학습하는 것이 아니라 학습패턴에 대한 최적해를 구하기 때문에 미학습 데이타에 대해서는 그 인식률이 떨어지게 된다. 본 논문에서는 한글 필기체 오프라인 문자인식에서 미학습 데이타에 대해서도 인식률을 향상시킬 수 있도록, 문제에 대한 휴리스틱한 지식을 최대한 활용한 몇가지 방안을 제안하고 있다. 즉 한글 필기체 오프라인 문자인식에 적합한 특징(feature)의 선정과 3가지 형태분류 및 영역분할 인식이라는 방식을 사용함으로서 일반화 능력의 향상을 시도하고, 한 사람이 정자로 쓴 한글 필기체 420자를 대상으로 하여 이를 실험하였다. 실험 결과 미학습 데이타에 대해서도 평균 90% 정도의 인식률을 얻을 수 있어, 제안된 방법론의 가능성을 타진할 수 있었다.
-
이희건(H.K.Lee),방승양(S Y.Bang) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.2
문자인식 시스템을 구성하는 여러 요소 중, 적절한 feature의 선정이 전체의 성능을 크게 좌우한다할 수 있으므로, 시스템을 구축하기 위한 기초 작업으로서 feature에 관한 연구는 매우 중요하다. 물론 현재에도 feature에 관한 다양한 모델들이 제안되어 있으나, 대체로 영문자, 숫자, 일본 문자 등이 그 대상이며, 우리나라 한글의 feature에 관한 연구는 미미한 형편이다. 연구의 방향은 우선 feature들을 heuristic하게 인위적으로 설정한 네오코그니트론 모델을 살펴보고, 다음 신경회로망을 사용한 자동 feature 추출을 다루었다. 사용한 신경회로망 모델은 Back-propagation 모델로서 feature 추출의 역할을 담당한다고 알려진 중간층 노드가 충분히 학습을 시킨 후, 어떠한 형태로 변화하는가를 관찰하였다. 결론적으로 Back-propagation으로 생성된 feature는 distributed한 특징을 보여, local한 feature를 탐지하는 망막과는 구별되는 특징을 보이고 있다. 여기서 생성된 micro feature는 문자인식 신경회로망의 전단부인 feature detector의 feature로서 차후 사용될 수 있을 것이다. 또 여기서 사용된 feature 획득 메카니즘을 사용하여 인쇄체 뿐 아니라 필기체의 경우에도 feature를 발견할 수 있을 것이다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
