Abstract

In this paper, we propose a new training algorithm for improving pattern classification performance of ART neural network. The proposed train algorithm restricts unnecessary cluster generation and transition, applies the location extraction algorithm, and operates the reset system based on the agreement between the present learning pattern and the initial pattern. As a result, repetitive input of a pattern does not generate a new cluster and mis-recognition rate decreases.

본 논문에서는 ART 신경회로망의 성능을 개선하기 위해, 불필요한 클러스터의 생성과 변화를 억제하여 효율적인 패턴 분류가 가능하도록 하는 학습 알고리즘을 제안한다. 또한, 패턴 분류의 정확성을 향상시키기 위해 한글의 구조적 특징을 이용한 위치추출 알고리즘을 적용하였다. 제안하는 학습 알고리즘은 현재 학습되는 패턴과 최초 패턴간의 일치도를 비교한 후 리세트 시스템을 작동케 한다. 그 결과, 신경회로 망은 이미 입력되었던 패턴이 다시 입력되어도 새로운 클러스터의 생성을 방지하여 오인식율을 줄이게 된다.

Keywords

• ART Neural Network;
• Cognitive theory;
• Short-term Memory;
• Structure of Hangout

• ART 신경회로망;
• 인지이론;
• 단기기억;
• 한글 구조;