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 : 이희건(H.K.Lee) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
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.
-
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.
-
박영환(Y H Park),이희건(H.K Lee),방승양(S Y Bang) 한국정보과학회 1989 한국정보과학회 학술발표논문집 Vol.16 No.2
한영 번역시스템과 같은 자연언어 처리를 위해서는 파서의 고속화가 절대적으로 필요하다. 기존의 순차적인 구문해석으로는 실시간 번역에 필요한 해석 속도를 달성하기 어렵다. 이 구문해석의 속도문제를 해결하기 위해서는 파서의 병렬화가 필수적이다. 이를 위해 병렬 파싱의 다양한 이론인 병렬 Object Oriented 파싱, Neural Network를 이용한 파싱, 병렬 Logic 언어를 사용한 파싱 방식 등을 다양히 검토하였으나, 개발은 본 연구의 수행 기관인 포항공대 전산학과의 병렬 파라다임(Paradigm)을 전제로 수행하였다. 즉 고성능 마이크로 프로세서인 T414 트랜스퓨터 20개로 구성된 초병렬컴퓨터인 POPA ES-1과 Parallel C를 사용하여 Earley 알고리즘의 병렬화를 시도하였다. 현재는 모듈 설계를 끝낸 단계에 있다.
-
박영환(Y H Park),이희건(H. K. Lee),방승양(S Y. Bang) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.1
이제까지 컴퓨터를 이용한 문자인식을 위하여 많은 연구가 되어 왔다. 그러나 지금까지의 방법은 통계적인 분류 또는 문법적인 인식 방법을 써 왔다. 이들은 근본적으로는 heuristic을 이용하는 것으로서 어떻게 인간이 문자를 인식할 수 있는가라는 질문에 대답할 수 있는 것은 아니다. 특히 한글의 경우처럼 그 인식해야 되는 대상 문자가 많은 경우, 한글 구조 자체에 대한 연구와 인간의 한글 인식에 대한 연구가 절대적으로 요청된다. 본 연구에서는 인간의 한글문자 인식원리를 규명하려 한다. 그러나 한글문자 인식이라 하더라도 광범위하고 어려운 문제이기 때문에 우선 이 연구에서는 한글문자의 자소(특히 자음)를 그 대상으로 인간의 문자 인식 모델을 제안하는 것이 그 목표가 된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
