Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Experience Sensitive Cumulative Neural Network Using RAM

RAM을 이용한 경험유관축적 신경망 모델

  • 김성진 (울산대학교 대학원 컴퓨터공학과) ;
  • 권영철 (거제대학 컴퓨터정보계) ;
  • 이수동 (울산대학교 컴퓨터·정보통신공학부)
  • Published : 2004.03.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, Experience Sensitive Cumulative Neural Network (ESCNN) is introduced, which can cumulate the same or similar experiences. As the same or similar training patterns are cumulated in the network, the system recognizes more important information in the training patterns. The functions of forgetting less important information and attending more important information resided in the training patterns are surveyed and implemented by simulations. The system behaves well under the noisy circumstances due to its forgetting and/or attending properties, even in 50 percents noisy environments. This paper also describes the creation of the generalized patterns for the input training patterns.

제안된 경험 유관 축적 신경회로망은 입력 패턴의 교육 회수를 누적시킬 수 있는 구조를 가지고 있어, 누적된 교육을 통한 공통된 경험에 대해서는 강한 반응을 보이는 주의 집중 기능을 가진다. 그리고 잡음이 많은 패턴에 대하여 선행처리 과정을 거치지 않고 바로 교육을 시켜도 상대적으로 유용한 정보를 누적시켜 일반화 패턴을 추출할 수 있다 본 논문에서는 추가 교육 뿐만 아니라 반복 교육도 가능한 경험 유관 축적 신경회로망 모델을 제안하고, 이 신경회로망이 가지는 기본 특성인 망각 및 주의 집중기능에 대하여 기술하였으며, 또한 교육된 정보로부터 일반화 패턴의 추출 과정과 일반화 패턴의 생성 및 반복교육에 관한 것을 기술하였다.

Keywords

References

  1. Arbib, 'Brains, Machines and M. A. Mathematics Chapter 1. A Historical Perspective', Springer Verlag, pp. 1-14, 1987
  2. C. V. Negoita, Expert Systems and Fuzzy System, The Benjamin Cummings, 1985
  3. R. A. Frost, Introduction to Knowledge Base Systems, Collins, London, 1986
  4. I. Aleksander and H. Morton, 'An Intro duction to Neural computing', Ch10, Chapman & Hall, 1990
  5. I. Aleksander and R. C. Albrow, 'Adaptive Login Circuits', 1st National Symposium on Login Design at the British, pp.65-71. 1967
  6. I. Aleksander, T. J. W. Clarke and A. P. Braga, 'Weightless Neural System :A Unified Approach to Their Analysis and Design', ICONIP '94 Tutorial, 1994
  7. J. R. Ullmann, 'Experiments with the N-tuple method of pattern recognition', IEEE Trans, Computers, pp. 1135-1137, 1969 https://doi.org/10.1109/T-C.1969.222599
  8. A. Badii, M. J. Binstead, A. J. Jones, T. J. Stonham and C. L. Valenzuela, Neural Computing Architectures : Ch 10. Applications of N-tuple sampling and genetic algorithms to speech recognition', The MIT Press, pp. 172-216, 1989
  9. I. Aleksander, W. V. Thomas and P. A. Bowden, 'WISARD : A Radical Step Forward in Image Recognition', Sensor Review, pp. 120-124, 1984
  10. S. D. Lee, 'Dynamics of Feedback for Artificialy Intelligent Pattern Recognition', Msc. Dissertation Brunel Univ. U. K., 1981