결정 성장 뉴런을 이용한 신경회로망 분류기 설계와 그 응용

Abstract

본 논문에서는 기존의 단층형 신경회로망의 한계점을 극복하고자 보다 복잡한 부분 구간별 선형 경계를 나타낼 수 있는 새로운 형태의 뉴런과 이를 이용한 학습 방법을 제안하고자 한다. 제안된 뉴런은 자연 현상에서의 석영의 결정 성장 모델을 사용하여 복잡한 군집 형태를 학습에 의해 표현하도록 하도록 구성하였다. 새로운 형태의 뉴런을 사용한 신경회로망 분류기는 먼저 확률(statistical)개념을 바탕으로 하여 신경회로망의 새로운 에너지 함수를 정의하고 이를 이용하여 담금질(annealing)방법을 사용하여 전역 해를 찾아 가는 군집화 학습 알고리즘을 개발하여 사용하였으며, 제안된 군집화 알고리즘은 초기 핵의 형태로 출발하는 뉴런을 패턴의 군집 중앙에 위치하기 위한 중요한 역할을 수행한다. 또한, 최적의 뉴런의 수를 구하기 위하여 뉴런간의 상호 배치에 바탕을 둔 새로운 성능 지수를 정의하였다. 마지막으로, 입력 패턴의 분포 형태를 근사화 하기 위하여 결정 성장 모델중의 하나인 level set이론을 응용하여 뉴런의 수학적 모델을 세우고 이에 적합한 학습 알고리즘을 제안 하였다. 제안된 모델을 사용하여 실제 여러 가지 산업용 패턴들에 대한 분류 실험 과정을 통하여 성능을 분석하였으며, 다른 신경회로망 제어기와 비교 연구를 통하여 제안된 모델 우수성을 검정하였다.