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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 1992년도 봄 학술발표논문집 제19권 제1호
발행연도
1992.4
수록면
681 - 684 (4page)

이용수

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

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
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.

목차

요약

1. 서론

2. 제안된 인식방식

3. 실험 및 결과

4. 결론

참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017918064