KR910018941A - 패턴 인식용 신경 네트워크 장치 및 패턴 인식방법 - Google Patents

패턴 인식용 신경 네트워크 장치 및 패턴 인식방법 Download PDF

Info

Publication number
KR910018941A
KR910018941A KR1019910006846A KR910006846A KR910018941A KR 910018941 A KR910018941 A KR 910018941A KR 1019910006846 A KR1019910006846 A KR 1019910006846A KR 910006846 A KR910006846 A KR 910006846A KR 910018941 A KR910018941 A KR 910018941A
Authority
KR
South Korea
Prior art keywords
pattern
parameter
vigilance
signal
parameters
Prior art date
Application number
KR1019910006846A
Other languages
English (en)
Inventor
라만 칸 엠다듀르
Original Assignee
존 지. 웨브
내쇼날 세미컨덕터 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 존 지. 웨브, 내쇼날 세미컨덕터 코포레이션 filed Critical 존 지. 웨브
Publication of KR910018941A publication Critical patent/KR910018941A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19107—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Abstract

내용 없음

Description

패턴 인식용 신경 네트워크 장치 및 패턴 인식방법
본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음
제4조는 적응공진이론에 따라 구성된 신경 네트워크에 의해 생성되어진 결과적인 출력패턴에 대한 예시도, 제5도는 본 발명의 바람직한 실시예인 신경 네트워크에 대한 단순화된 기능적 블록 다이어그램.

Claims (33)

  1. 화상 패턴을 나타내는 입력 패턴 데이타를 수신하도록 결합된 복수개의 입력 뉴런, 복수개의 출력 뉴런, 상기 입력 뉴런을 상기 출력 뉴런에 결합시킨 오름 적응적 가중 매트릭스, 상기 출력 뉴런을 상기 입력 뉴런에 결합시킨 내림 적응적 가중 매트릭스 및 상기 입력 패턴 데이타를 실질적으로 기초로 하여 복수개의 비질런스(vigilance) 파라메타를 계산하는 비질런스 파라메타 계산수단을 포함하며, 적응 공진 이론에 따라 적응적 패턴인식을 이행하도록 결합되어 있는 자체적으로 편성된 신경 네트워크에 있어서, 상기 복수개의 계산된 비질런스 파라메타를 제정하는 메모리 수단, 상기 복수개의 계산된 비질런스 파라메타 중에서 최대값으로 계산된 비질런스 파라메타에 상기 패턴을 분류하는 패턴 분류 수단을 포함하는 자체적으로 편성된 신경 네트워크.
  2. 화상 패턴을 나타내는 입력 패턴 데이타를 수신하도록 결합된 복수개의 입력 뉴런, 복수개의 출력 뉴런, 상기 입력 뉴런을 상기 출력 뉴런에 결합시킨 오름 적응적 가중 메트릭스, 상기 출력 뉴런을 상기 입력 뉴런에 결합시킨 내림 적응적 가중 매트릭스, 상기 입력 패턴 데이타를 실질적으로 기초로 하여 복수개의 비질런스 파라메타를 계산하는 비질런스 파라메타 계산 수단, 및 상기 복수개의 계산된 비질런스 파라메타를 미리 결정된 기준 비질런스 파라메타와 개별적으로 비교하는 비질런스 파라메타 비교수단을 포함하며, 적응 공진 이론에 따라 적응 패턴 인식을 이행하도록 결합되어 있는 자체적으로 편성된 신경 네트워트에 있어서, 상기 미리 결정된 기준 비질런스 파라메타를 상기 복수개의 계산된 비질런스 파라메타와 비교한 것에 응답하여 상기 미리 결정된 기준 비질런스 파라메타를 선택적으로 조정하므로 복수개의 조정된 기준 비질런스 파라메타를 생성시키는 비질런스 파라메타 조정수단, 상기 복수개의 조정된 기준 비질런스 파라메타를 저장하는 메모리 수단, 상기 복수개의 조정된 기준 비질런스 파라메타 중에서 최대값으로 조정된 기준 비질런스 파라메타에 따라 상기 패턴을 분류시키는 패턴 분류 수단을 포함하는 자체적으로 편성된 신경 네트워크.
  3. 적응적 패턴 인식을 이행하도록 결합된 신경 네트워크에 있어서, 화상 패턴을 나타내는 입력 패턴 데이타를 실질적으로 기초로 하여 복수개의 비질런스 파라메타를 계산하기 위한 비질런스 파라메타 계산 수단, 상기 복수개의 계산된 비질런스 파라메타를 저장하는 메모리 수단, 상기 복수개의 계산된 비질런스 파라메타 중에서 최대값으로 계산된 비질런스 파라메타에 따라 상기 패턴을 분류시키는 패턴 분류 수단을 포함하는 신경 네트워크.
  4. 적응적 패턴 인식을 이행하도록 결합된 신경 네트워크에 있어서, 미리 결정된 기준 비질런스 파라메타를, 화상 패턴을 나타내는 입력 패턴 데이타를 기초로 하여, 복수개의 계산된 비질런스 파라메타와 비교한 것에 응답하여 미리 결정된 기준 비질런스 파라메타를 선택적으로 조정하므로 복수개의 조정된 가준 비질런스 파라메타를생성시키느 비질런스 파라메타 조정수단.상기 복수개의 조정된 기준 비질런스 파라메타를 저장하는 메모리 수단, 상기 복수개의 조정된 기준 비질런스파라메타중에서 최대값으로 조정된 기준 비질런스 파라메타에 따라 상기 패턴을 분류시키는 패턴 분류 수단을 포함하는 신경 네트워크.
  5. 적응적 패턴 인식을 이행하도록 결합된 신경 네트워크에 있어서, 일부분의 패턴을 각기 나타내는 복수개의 입력 패턴 신호(Ii)를 수신하며 복수개의 해당 패턴 신호(Xi)(i=1, 2, 3, …, M)를 출력하는 입력수단, 상기 패턴을 각기 나타내는 복수개의 임시 패턴 신호(Vj)(j=1, 2, 3, …, N)를 제공하는 패턴 인식 수단, 상기 복수개의 패턴 신호(Xi)를 상기 패턴 인식 수단에 결합시키고 결합 계수(Zij)를 지니는 오름 결합 수단, 상기 복수개의 패턴 신호(Xi)를 실질적으로 기초로 하여 복수개의 비질런스 파라메타(Pcj)를 계산하도록 상기 입력 수단에 결합된 계산수단, 상기 패턴 신호(Xi)를 상기 계산 수단에 결합시키고 결합 계수(Zij)를 지니는 내림 결합 수단, 상기 복수개의 비질런스 파라메타를 선택적으로 저장하도록 결합된 복수개의 메모리 회로, 상기 저장된 복수개의 비질런스 파라메타를 기초로 하여 상기 패턴을 나타내는 출력 패턴 신호를 생성시키도록 결합된 패턴 분류 회로를 포함하는 신경 네트워크.
  6. 제5항에 있어서, 미리 결정된 기준 비질런스 파라메타(Pr)를 수신하고 상기 복수개의 계산된 비질런스 파라메타(Pcj) 각각을 상기 미리 결정된 기준 비질런스 파라메타(Pr)와 비교하는 비교수단을 부가적으로 포함하며, 상기 미리 결정된 기준 비질런스 파라메타(Pr)와 비교하는 비교수단을 부가적으로 포함하며, 상기 비리 결정된 기준 비질런스 파라메타(Pr)를 선택적으로 조정하는 조정 수단을 부가적으로 포함하는 신경 네트워크.
  7. 제5항에 있어서, 상기 입력 수단은 복수개의 M노드를 포함하며 상기 입력 패턴 신호(Ii)는 아날로그 신호를 포함하는 신경 네트워크.
  8. 제5항에 있어서, 상기 입력 수단은 복수개의 M디지털 레지스터를 포함하고 상기 입력 패턴 신호(Ii)는 디지탈 신호를 포함하는 신경 네트워크.
  9. 제5항에 있어서, 상기 패턴 입력 수단은 복수개의 N노드를 포함하고 상기 임시 패턴 신호(Vj)는 아날로그 신호를 포함하는 신경 네트워크.
  10. 제5항에 있어서, 상기 패턴 인식 수단은 복수개의 N디지털 레지스터를 포함하고 상기 임시 패턴 신호(Vj)는 디지탈 신호를 포함하는 신경 네트워크.
  11. 제5항에 있어서, 상기 오름 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 트랜지스터를 지니는 오름 적응적 가중 매트릭스를 포함하며, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  12. 제5항에 있어서, 상기 오름 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 레지스터를 지니는 오름 적응적 가중 매트릭스를 포함하며, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  13. 제5항에 있어서, 상기 오름 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 디지탈 회로를 지니는 오름 적응적 가중 매트릭스를 포함하고, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  14. 제5항에 있어서, 상기 내림 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 트랜지스터를 지니는 내림 적응적 가중 매트릭스를 포함하고, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  15. 제5항에 있어서, 상기 내림 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 레지스터를 지니는 내림 적응적 가중 매트릭스를 포함하며, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  16. 제5항에 있어서, 상기 내림 결합 수단은 상기 복수개의 패턴 신호(Xi)를 선택적으로 가중시키도록 결합된 복수개의 디지탈 회로를 지니는 내림 적응적 가중 매트릭스를 포함하며, 상기 가중된 패턴 신호대 상기 복수개의 패턴 신호(Xi)의 해당 패턴 신호에 대한 각각의 비율은 상기 결합 계수(Zij)를 나타내는 신경 네트워크.
  17. 제5항에 있어서, 상기 계산 수단은 아날로그 신호를 합산하는 회로를 포함하며 상기 패턴 신호(Xi)는 아날로그 신호를 포함하고, 상기 아날로그 신호를 합산하는 회로는와 같은 공식에 따라 동작하는 신경 네트워크.
  18. 제5항에 있어서, 상기 계산 수단은 디지탈 가산 회로를 포함하며 상기 패턴 신호(Xi)는 아날로그 신호를 포함하고, 상기 아날로그 신호를 합산하는 회로는와 같은 공식에 따라 동작하는 신경 네트워크.
  19. 제6항에 있어서, 상기 비교 수단은 아날로그 비교 회로를 포함하고, 상기 계산된 비질런스 파라메타(Pcj) 및 상기 미리 결정된 기준 비질런스 파라메타(Pr)는 전압을 포함하며, 상기 아날로그 비교 회로는 상기 계산된 비질런스 파라메타(Pcj)가 상기 미리 결정된 기준 비질런스 파라메타(Pr)와 같거나 그를 초과하는지의 여부를 결정하도록 결합되어 있으며,와 같은 공식에 따라 동작하는 신경 네트워크.
  20. 제6항에 있어서, 상기 비교 수단은 디지탈 비교 회로를 포함하고, 상기 계산된 비질런스 파라메타(Pcj) 및 상기 미리 결정된 기준 비질런스 파라메타(Pr)는 디지탈 신호를 포함하고, 상기 비교 회로는 상기 계산된 비질런스 파라메타(Pcj)가 상기 미리 결정된 기준 비질런스 파라메타(Pr)와 동일하거나 그를 초과하는지의 여부를 결정하도록 결합되어 있으며,와 같은 공식에 따라 동작하는 신경 네트워크.
  21. 제6항에 있어서, 상기 조정 수단은 아날로그 신호를 합산하는 회로를 포함하며, 상기 기준 비질런스 파라메타(Pr) 및 상기 계산된 비질런스 파라메타(Ocj)는 아날로그 신호를 포함하는 신경 네트워크.
  22. 제6항에 있어서, 상기 조정 수단은 디지탈 가산 회로를 포함하며, 상기 기준 비질런스 파라메타(Pr) 및 상기 계산된 비질런스 파라메타(Ocj)는 디지털 신호를 포함하는 신경 네트워크.
  23. 화상 패턴을 나타내는 입력 패턴 데이타 신호(Ii)(i=1, 2, 3, …, M)를 수신하도록 결합된 복수개의 M입력 뉴런 및 상기 화상 패턴에 해당하는 패턴 출력 신호(Vj)(j=1, 2, 3, …N)를 제공하도록 결합된 복수개의 N출력 뉴런을 포함하며, 계수(Zij)를 지니고 상기 입력 뉴런을 상기 출력 뉴런에 결합시키는 오름 적응적 가중 메트릭스 및 계수(Zij)를 지니며 상기 출력 뉴런을 상기 입력 뉴런에 결합시키는 내림 적응적 가중 매트릭스를 포함하고, 상기 입력 패턴의 데이타 신호(Ii) 및 상기 오름 적응적 가중 매트릭스 계수(Zij)를 실질적으로 기초로 하여 복수개의 비질런스 파라메타(Pcj)를 계산하는 비질런스 파라메타 계산 수단 및 상기 복수개의 계산된 비질런스 파라메타(Pcj)를 미리 결정된 기준 비질런스 파라메타(Pr)과 개별적으로 비교하는 비질런스 파라메타 비교수단을 포함하는 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 복수개의 기준 패턴을 나타내는 복수개의 기준 패턴 데이타 신호(Iir)를 상기 복수개의 M입력 뉴런 내를 입력시키므로써 상기 신경 네트워크를 훈련하는 단계, 설체 패턴에 해당하는 패턴 데이타 신호(Ii)를 상기 복수개의 M입력 뉴런 내로 입력시키므로써 실체 패턴을 분석하는 단계, 복수개의 관련 비질런스 파라메타(Paj) 중에서 최대값을 지니는 관련된 비질런스 파라메타(Pajm)에 해당하는 복수개의 N출력 뉴런 중 하나의 출력 뉴런으로부터 생성된 패턴 출력 신호(Vjm)에 따라 상기 실체 패턴을 분류시키는 단계를 포함하며, 상기 실체 패턴을 분류시키는 단계는 상기 실체 패턴을 분류시키는 단계를 포함하며, 상기 실체 패턴을 분류시키는 단계는 상기 실체 패턴을 분류시키는 단계는 상기 실체 패턴을 나타내도록 엔코딩된 출력 패턴 신호를 출력시키는 단계를 포함하는 방법.
  24. 제23항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 신경 네트워크를 훈련하는 단계는 상기 오름 적응적 가중 매트릭스의 계수(Zij), 상기 내림 적응적가중 매트릭스의 계수(Zij), 및 상기 기준 비질런스 파라메타의 값(Pr)을 초시회시키는 단계, 기준 화상 패턴을 나타내는 기준 입력의 데이타 신호(Iij)를 상기 복수개의 M입력 뉴런에 인가시키고, 미리 결정된 축소·확대 인자만큼 상기기준 입력 패턴의 데이타 신호(Iij)를 선택적으로 축소·확대시키며, 해당하는 기준 패턴 신호를 생성시키는 단계, 상기 출력 뉴런의 각각의 출련 뉴런 내에서 상기 기준 화상 패턴에 해당하는 복수개의 기준 패턴 출력 신호(Vjr)(j=1, 2, 3, …, N)를 생성시키는 단계, 기준 패턴의 출력 신호(Vjrm)를 선택하여 그 선택된 기준 패턴의 출력신호(Vjrm)가 상기 기준 화상 패턴을 가장 양호하게 나타내는 츨력 뉴런 중 하나의 출력 뉴런에 해당하는 단계, 비질런스 파라메타(Pcjm)를 계산하여 그 계산된 비질런스 파라메타(Pcjm)가 상기 선택된 기준 패턴 출력신호(Vjcm)에 해당하는 출력 뉴런과 관련되어 있는 단계, 상기 계산된 비질런스 파라메타 (Pcjm)를 상기 기준비질런스 파라메타(Pr)에 비교하는 단계, Pcmjm〈Pr인 경우 상기 선택된 기준 패턴 출력 신호(Vjrm)에 해당하는 출력 뉴런을 임시로 디세이블시키고, 새로운 기준 패턴의 출력 신호(Vjrm)를 선택하며, 상기 비질런스 파라메타(Pcjm)를 계산하는 단계로 개시하도록 상기한 단계를 반복하는 단계, Pcjm〈Pr인 경우 상기 오름 적응적 가중 매트릭스의 계수(Zij) 및 내림 적응적 가중 매트릭스의 계수(Zij)의 해당 계수를 적응시키는 단계, 상기한 디세이블 단계에서 미리 디세이블된 어느 출력 뉴런을 이네이블 시키고 상기 기준 입력 패턴의 데이타 신호(Iir)를 인가시키는 단계로 개시하도록 상기한 단계를 반복시키는 단계를 포함하는 방법.
  25. 제24항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 초기화시키는 단계는「여기서, Zkj(t)=시간(t)에서 오름 가중 메트릭스의 계수, L(미리 선택된 상수)〉1」와 같은 공식에 따라 상기 오름 적응적 가중 매트릭스의 계수(Zij)를 선택적으로 초기화하는 단계,「여기서, Zji(t)=시간(t)에서 내림 가중 매트릭스이 계수」와 같은 공식에 따라 상기 내림 적응적 가중 매트릭스이 계수(Zji)를 초기화하는 단계, 0〈Pr〈1와 같은 공식에 따라 상기 기준 비질런스 파라메타의 값(Pr)을 선택적으로 초기화하는 단계를 포함하는 방법.
  26. 제24항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인실을 이행하는 방법에 있어서, 상기 복수개의 기준 패턴의 출력 신호(Vjr)를 생성시키는 단계는,와 같은 공식에 따라 이행되는 방법.
    「여기서, Zjij(t)=시간(t)에서 오름 가중 매트릭스의 계수」와 같은 공식에 따라 이행하는 방법.
  27. 제24항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 기준 패턴의 출력신호(Vjrm)를 선택하는 단계는 기준 패턴의 출력 신호(Vjrm)에 해당하지 않는 다른 모든 출련 뉴런을 억제하고 있는 동안에와 같은 공식에 따라 상기 모든 기준 패턴의 출력 신호(Vjr)중에서 최대값을 지니는 기준 패턴의 출력 신호(Vjrm)를 선택하는 단계를 포함하는 방법.
  28. 제24항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 계산된 비질런스 파라메타(Pcjm)를 계산하는 단계는와 같은 공식에 따라 이행되는 방법.
  29. 제24항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 오름 적응적 가중 매트릭스의 계수(Zij) 및 상기 내림 적응적 가중 매트릭스의 계수(Zji)를 적응시키는 단계는「여기서 L(미리 선택된 상수)〉1」와 같은 공식에 따라 이행되는 방법.
  30. 제23항에서와 같이 자체적으로 편성된 신경 네트워크를 상요하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 실체 패턴을 분석하는 단계는 실체 패턴을 나타내는 입력 패턴의 데이타 신호(Ii)를 상기 복수개의 M입력 뉴런에 인가시키고, 상기 입력 패턴의 데이타 신호(Ii)를 미리 결정된 축소·확대 인자만큼 선택적으로 축소·확대시키며, 해당패턴 신호(Xi)를 생성시키는 단계, 각기 계산된 비질런스 파라메타가 상기 복수개의 N출력 뉴런 중 하나의 출련 뉴런에 제각기 관련되어 있는 복수개의 계산된 비질런스 파라메타(Pcj)를 계산하는 단계, 상기 복수개의 계산된 비질런스 파라메타(Pcj)를 상기 복수개의 관련 비질런스 파라메타(Paj)로서 랜덤 액세스 메모리 내에 선택적으로 저장하는 단계를 포함하는 방법.
  31. 제30항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 복수개의 계산된 비질런스 파라메타(Pcj)를 계산하는 단계와 같은 공식에 따라 이행되는 방법.
  32. 제30항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서 Pr=1과 같은 공식에 따라 상기 기준 비질런스 파라메타의 값을 다시 초기화시키는 단계, 상기 복수개의 계산된 비질런스 파라메타(Pcj)를 상기 기준 비질런스 파라메타(Pr)에 비교하는 단계, Pcj〈Pr인 경우, 상기 기준 바질런스 파라메타의 값(Pr)을 선택 가능한 양(△)만큼 감소시키고, 상기 계산된 비질런스 파라메타(Pcj)를 상기 감소된 기준 비질런스 파라메타(Prrj)에 다시 비교하며, Pcj≥Prrj일때까지 상기 감소된 기준 비질런스 파라메타(Prrj)를계속 감시키는 단계, Pcj≥Pr일 경우 상기 기준 비질런스 파라메타(Pr)를 상기 관련되 비질런스 파라메타(Paj)로서 랜덤 액세스 메모리 내에 저장하는 단계, Pcj≥Prrj일 경우, 상기 감소된 기준 비질런스 파라메타(Prrj)를 상기 관련된 비질런스 파라메타(Paj)로서 랜덤 액서스 메모리 내에 저장하는 단계, 상기 복수개의 N출력 뉴런 중 각각의 출력 뉴런일 관련된 비질런스 파라메타(Paj)를 상기 기준 비질런스와 제각기 관련할 때까지 상기한 단계를 반복하는 단계를 부가적으로 포함하는 방법.
  33. 제32항에서와 같이 자체적으로 편성된 신경 네트워크를 사용하여 적응적 패턴 인식을 이행하는 방법에 있어서, 상기 복수개의 계산된 비질런스 파라메타(Pcj)를 계산하는 단계는와 같은 공식에 따라 이행되는 방법.
    ※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
KR1019910006846A 1990-04-30 1991-04-29 패턴 인식용 신경 네트워크 장치 및 패턴 인식방법 KR910018941A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/516,753 US5058180A (en) 1990-04-30 1990-04-30 Neural network apparatus and method for pattern recognition
US516,753 1990-04-30

Publications (1)

Publication Number Publication Date
KR910018941A true KR910018941A (ko) 1991-11-30

Family

ID=24056952

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019910006846A KR910018941A (ko) 1990-04-30 1991-04-29 패턴 인식용 신경 네트워크 장치 및 패턴 인식방법

Country Status (4)

Country Link
US (1) US5058180A (ko)
EP (1) EP0464327A3 (ko)
JP (1) JPH04229384A (ko)
KR (1) KR910018941A (ko)

Families Citing this family (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5588091A (en) * 1989-05-17 1996-12-24 Environmental Research Institute Of Michigan Dynamically stable associative learning neural network system
JP2940042B2 (ja) * 1990-01-23 1999-08-25 日産自動車株式会社 車両の制御戦略装置
FR2662526B1 (fr) * 1990-05-22 1994-12-09 Thomson Csf Procede de reconnaissance rapide d'objets susceptibles de faire partie d'une collection comportant un grand nombre d'objets a caracteristiques differentes.
JPH0438587A (ja) * 1990-06-04 1992-02-07 Nec Corp 入力領域適応型ニューラルネットワーク文字認識装置
US5796410A (en) * 1990-06-12 1998-08-18 Lucent Technologies Inc. Generation and use of defective images in image analysis
US5309525A (en) * 1990-06-14 1994-05-03 Canon Kabushiki Kaisha Image processing apparatus using neural network
US5214715A (en) * 1991-01-31 1993-05-25 Trustees Of Boston University Predictive self-organizing neural network
US5440651A (en) * 1991-06-12 1995-08-08 Microelectronics And Computer Technology Corp. Pattern recognition neural network
US5500905A (en) * 1991-06-12 1996-03-19 Microelectronics And Computer Technology Corporation Pattern recognition neural network with saccade-like operation
US5493688A (en) * 1991-07-05 1996-02-20 Booz, Allen & Hamilton, Inc. Pattern categoritzation system having self-organizing analog fields
US5179596A (en) * 1991-07-05 1993-01-12 Booz, Allen & Hamilton, Inc. Analog pattern categorization system having dual weighted connectivity between nodes
US5159644A (en) * 1991-08-30 1992-10-27 Eastman Kodak Company Character recognition method using statistically weighted correlation
US5521823A (en) * 1991-09-03 1996-05-28 Mazda Motor Corporation Learning control vehicle
WO1993010500A1 (en) * 1991-11-13 1993-05-27 Iowa State University Research Foundation, Inc. Improved memory capacity neural network
US5299269A (en) * 1991-12-20 1994-03-29 Eastman Kodak Company Character segmentation using an associative memory for optical character recognition
US10361802B1 (en) 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
DE4207595A1 (de) * 1992-03-10 1993-09-16 Siemens Ag Verfahren zur vorklassifikation von hochdimensionalen merkmalsvektoren fuer zwecke der signalverarbeitung
US5448681A (en) * 1992-03-27 1995-09-05 National Semiconductor Corporation Intelligent controller with neural network and reinforcement learning
US5422961A (en) * 1992-04-03 1995-06-06 At&T Corp. Apparatus and method for improving recognition of patterns by prototype transformation
US5452371A (en) * 1992-05-27 1995-09-19 Apple Computer, Inc. Method of aligning shapes on a display of a computer system
EP1199675B1 (en) * 1992-06-19 2004-10-13 United Parcel Service Of America, Inc. Method and apparatus for adjusting a neuron
US5438629A (en) * 1992-06-19 1995-08-01 United Parcel Service Of America, Inc. Method and apparatus for input classification using non-spherical neurons
US5555317A (en) * 1992-08-18 1996-09-10 Eastman Kodak Company Supervised training augmented polynomial method and apparatus for character recognition
US5384895A (en) * 1992-08-28 1995-01-24 The United States Of America As Represented By The Secretary Of The Navy Self-organizing neural network for classifying pattern signatures with `a posteriori` conditional class probability
JP2723118B2 (ja) * 1992-08-31 1998-03-09 インターナショナル・ビジネス・マシーンズ・コーポレイション ２次元オブジェクトの認識に用いるためのニューラル・ネットワーク及び光学式文字認識装置
US5966302A (en) * 1992-10-16 1999-10-12 Pitney Bowes Inc. Sheet processing system with neural network control
US5412670A (en) * 1992-11-30 1995-05-02 Ricoh Corporation N-bit parity neural network encoder
WO1994027251A1 (en) * 1993-05-18 1994-11-24 Massachusetts Institute Of Technology Automated reading system and method
US5517667A (en) * 1993-06-14 1996-05-14 Motorola, Inc. Neural network that does not require repetitive training
JP2673871B2 (ja) * 1993-08-26 1997-11-05 日本アイ・ビー・エム株式会社 ニューラル・ネットワークによるパターン認識方法及び装置
US5488425A (en) * 1993-12-22 1996-01-30 At&T Corp. Apparatus for storing video information by recognizing video frames
US5566273A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Supervised training of a neural network
US5675711A (en) * 1994-05-13 1997-10-07 International Business Machines Corporation Adaptive statistical regression and classification of data strings, with application to the generic detection of computer viruses
IT1275766B1 (it) * 1994-07-16 1997-10-17 Kiekert Ag Procedimento per il controllo dell'abitacolo in un autoveicolo
AUPN431595A0 (en) * 1995-07-24 1995-08-17 Co-Operative Research Centre For Sensor Signal And Information Processing Selective attention adaptive resonance theory
US5903884A (en) * 1995-08-08 1999-05-11 Apple Computer, Inc. Method for training a statistical classifier with reduced tendency for overfitting
US6549899B1 (en) * 1997-11-14 2003-04-15 Mitsubishi Electric Research Laboratories, Inc. System for analyzing and synthesis of multi-factor data
US6256619B1 (en) * 1997-12-23 2001-07-03 Caterpillar Inc. Self optimizing neural network analog data processing system
US6272250B1 (en) * 1999-01-20 2001-08-07 University Of Washington Color clustering for scene change detection and object tracking in video sequences
US7966078B2 (en) 1999-02-01 2011-06-21 Steven Hoffberg Network media appliance system and method
US6456991B1 (en) 1999-09-01 2002-09-24 Hrl Laboratories, Llc Classification method and apparatus based on boosting and pruning of multiple classifiers
US20040042665A1 (en) * 2002-08-30 2004-03-04 Lockheed Martin Corporation Method and computer program product for automatically establishing a classifiction system architecture
US7263511B2 (en) * 2003-10-23 2007-08-28 International Business Machines Corporation Creating user metric patterns including user notification
US8127235B2 (en) 2007-11-30 2012-02-28 International Business Machines Corporation Automatic increasing of capacity of a virtual space in a virtual world
US20090164919A1 (en) 2007-12-24 2009-06-25 Cary Lee Bates Generating data for managing encounters in a virtual world environment
US8416296B2 (en) * 2009-04-14 2013-04-09 Behavioral Recognition Systems, Inc. Mapper component for multiple art networks in a video analysis system
US9205328B2 (en) 2010-02-18 2015-12-08 Activision Publishing, Inc. Videogame system and method that enables characters to earn virtual fans by completing secondary objectives
US9682324B2 (en) 2010-05-12 2017-06-20 Activision Publishing, Inc. System and method for enabling players to participate in asynchronous, competitive challenges
US9665822B2 (en) * 2010-06-30 2017-05-30 International Business Machines Corporation Canonical spiking neuron network for spatiotemporal associative memory
US10286326B2 (en) 2014-07-03 2019-05-14 Activision Publishing, Inc. Soft reservation system and method for multiplayer video games
US9324320B1 (en) * 2014-10-02 2016-04-26 Microsoft Technology Licensing, Llc Neural network-based speech processing
US10118099B2 (en) 2014-12-16 2018-11-06 Activision Publishing, Inc. System and method for transparently styling non-player characters in a multiplayer video game
US10315113B2 (en) 2015-05-14 2019-06-11 Activision Publishing, Inc. System and method for simulating gameplay of nonplayer characters distributed across networked end user devices
US10471348B2 (en) 2015-07-24 2019-11-12 Activision Publishing, Inc. System and method for creating and sharing customized video game weapon configurations in multiplayer video games via one or more social networks
US10500498B2 (en) 2016-11-29 2019-12-10 Activision Publishing, Inc. System and method for optimizing virtual games
WO2018148493A1 (en) * 2017-02-09 2018-08-16 Painted Dog, Inc. Methods and apparatus for detecting, filtering, and identifying objects in streaming video
EP3680824A4 (en) * 2017-09-07 2020-11-04 Panasonic Corporation CALCULATION CIRCUIT WITH NEURONAL NETWORK USING A SEMICONDUCTOR MEMORY ELEMENT AND OPERATING PROCEDURE
US10561945B2 (en) 2017-09-27 2020-02-18 Activision Publishing, Inc. Methods and systems for incentivizing team cooperation in multiplayer gaming environments
US11040286B2 (en) 2017-09-27 2021-06-22 Activision Publishing, Inc. Methods and systems for improved content generation in multiplayer gaming environments
US10974150B2 (en) 2017-09-27 2021-04-13 Activision Publishing, Inc. Methods and systems for improved content customization in multiplayer gaming environments
US10765948B2 (en) 2017-12-22 2020-09-08 Activision Publishing, Inc. Video game content aggregation, normalization, and publication systems and methods
DE102018100424A1 (de) 2018-01-10 2019-07-11 Schuler Pressen Gmbh Verfahren und Vorrichtung zur Steuerung und/oder Überwachung eines sich wiederholenden Prozessablaufs
US11679330B2 (en) 2018-12-18 2023-06-20 Activision Publishing, Inc. Systems and methods for generating improved non-player characters
US11097193B2 (en) 2019-09-11 2021-08-24 Activision Publishing, Inc. Methods and systems for increasing player engagement in multiplayer gaming environments
US11712627B2 (en) 2019-11-08 2023-08-01 Activision Publishing, Inc. System and method for providing conditional access to virtual gaming items
US11524234B2 (en) 2020-08-18 2022-12-13 Activision Publishing, Inc. Multiplayer video games with virtual characters having dynamically modified fields of view
US11351459B2 (en) 2020-08-18 2022-06-07 Activision Publishing, Inc. Multiplayer video games with virtual characters having dynamically generated attribute profiles unconstrained by predefined discrete values
DE102021130482A1 (de) 2021-11-22 2023-05-25 Schuler Pressen Gmbh Verfahren und Vorrichtung zur Überwachung eines zyklischen Arbeitsprozesses

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4914708A (en) * 1987-06-19 1990-04-03 Boston University System for self-organization of stable category recognition codes for analog input patterns
US4876731A (en) * 1988-02-19 1989-10-24 Nynex Corporation Neural network model in pattern recognition using probabilistic contextual information

Also Published As

Publication number Publication date
JPH04229384A (ja) 1992-08-18
EP0464327A3 (en) 1994-05-11
EP0464327A2 (en) 1992-01-08
US5058180A (en) 1991-10-15

Similar Documents

Publication Publication Date Title
KR910018941A (ko) 패턴 인식용 신경 네트워크 장치 및 패턴 인식방법
US5258903A (en) Control circuit and power supply for televisions
US5857178A (en) Neural network apparatus and learning method thereof
US20020123975A1 (en) Filtering device and method for reducing noise in electrical signals, in particular acoustic signals and images
Puskorius et al. Extensions and enhancements of decoupled extended Kalman filter training
US5384896A (en) Learning machine
Chen Image denoising using adaptive neuro-fuzzy system
Koga et al. Chaos control using second order derivatives of universal learning network
Pessoa et al. Morphological/rank neural networks and their adaptive optimal design for image processing
Zhang Updating learning rates for backpropagation network
Wang Analog CMOS implementation of backward error propagation
Muslih Path integral formulation of constrained systems with singular-higher order Lagrangian
Vincent Finite Wordlength, Integer Arithmetic Multilayer Perceptron Modelling for Hardware Realization
Lo Adaptive system identification by nonadaptively trained neural networks
Krcmar et al. A fully adaptive normalized nonlinear gradient descent algorithm for nonlinear system identification
JPH06175998A (ja) 時系列予測方法
JP3412700B2 (ja) 神経回路網型パターン学習方法およびパターン処理装置
Szu et al. Meanfield chaos dynamics with changing chaos threshold value
JPH0462658A (ja) 学習機械
Moon et al. VLSI implementation of neural-type cell with MOS linear resistor
Kwan et al. A multilayer feedforward neural network model for digital hardware implementation
Szu et al. Chaotic neurochips for fuzzy computing
Tang et al. Digital implementation of neural networks with quantized neurons
Bastiaanssen et al. Learning procedure in a neural control model for the urinary bladder
JP3368619B2 (ja) 時空間パターン分類装置

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee