메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 1992년도 가을 학술발표논문집 제19권 제2호
발행연도
1992.10
수록면
1,049 - 1,052 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 Artificial Critter로 정의된 이동 로보트가 계층 신경망 구조(Hierarchical Neural Network Architecture)를 사용하여 동적 물체 움직임의 패턴을 인식하는 비기호적 학습 메카니즘을 소개한다. 첫째, Critter는 R과 θ 각각에 대해 위상 순위를 가지는 R-SOM(Self Organization Maps)과 θ-SOM을 학습함으로써 2차원의 자유 공간(-훈련 환경-)에 대한 정보를 이해하며, 이들을 사용하여 이동하는 물체를 탐지한다. 둘째, 연속적인 움직임의 관찰로 얻어진 각 SOM의 결과는 R-SOM(SpatioTemporal Network)과 θ-STN을 통해 R과 θ의 변화 패턴으로 인식된다. 셋째, 이렇게 인식된 R과 θ의 각 변화 패턴은 ART(Adaptive Resonance Network)에 의해 하나의 단위 개념(concept)으로 구분(clustering)되고 발생 가능한 모든 개념을 점진적으로 학습하게되며, 마지막 TOP-SIN에서 이러한 개념들의 연속성과 계층적 특성을 학습함으로써 움직임 전체를 인식하게 된다.

목차

요약

1. 서론

2. Artificial Critter

3. A Hierarchical Neural Network Architecture

4. 결론

참고 문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017905030