[신경망]신경망에 관련된 응용분야
- 최초 등록일
- 2006.07.06
- 최종 저작일
- 2005.10
- 8페이지/ 한컴오피스
- 가격 1,000원
소개글
신경망의 응용 분야
◦ 신경망은 기존 컴퓨터의 한계를 극복할 수 있는 특징으로 인하여 기존의 인공 지능 기법이나 계산 이론 기법으로 해결하기 힘들었던 분야, 즉 패턴 인식, 음성 인식, 자연 언어 이해 등의 응용 분야에 주로 많이 적용
◦ 음성 합성 및 인식 분야
▫ 존스 홉킨스 대학의 Sejnowski와 프리스턴 대학의 Rosenberg는 문장을 음성으로 변환하는 신경망 시스템을 만들었음
▫ 이 시스템에서는 문자 입력을 음소로 출력하는 부분에 신경망 모델을 사용하고 NETtalk라는 음.....
목차
신경망의 응용 분야
디지털 신경망 구조의 차세대 인터넷 서비스, 그리드 컴퓨팅
개념과 정의
요소 기술
표준화 현황
업체 동향
향후 전망
본문내용
신경망의 응용 분야
◦ 신경망은 기존 컴퓨터의 한계를 극복할 수 있는 특징으로 인하여 기존의 인공 지능 기법이나 계산 이론 기법으로 해결하기 힘들었던 분야, 즉 패턴 인식, 음성 인식, 자연 언어 이해 등의 응용 분야에 주로 많이 적용
◦ 음성 합성 및 인식 분야
▫ 존스 홉킨스 대학의 Sejnowski와 프리스턴 대학의 Rosenberg는 문장을 음성으로 변환하는 신경망 시스템을 만들었음
▫ 이 시스템에서는 문자 입력을 음소로 출력하는 부분에 신경망 모델을 사용하고 NETtalk라는 음소를 합성하는 음성 합성기를 통하여 출력된 음소를 합성
▫ 학습 방법으로는 Rumelhart와 Williams의 오류 역전파 방법을 사용
▫ 임의의 가중치를 가진 비훈련 상태에서 시작하여, 짧은 시간을 거친 후에는 NETtalk는 계속적이고 서투른 발음을 시작
▫ 이 단계에서는 모든 발음이 연결되고 단지 하나의 말소리로 들리게 된됨
▫ 그러나 훈련을 통하여 학습을 계속하면 소리가 분리되고 하나 이상의 말소리가 들리게 된됨
▫ 이 단계에서 출력은 유아의 발음과 같다. 학습이 계속될수록 NETtalk의 출력은 어린이처럼 발음하기 시작하고, 단어들은 명백히 분리할 수 있게 됨
▫ 기존의 일반적인 방법을 이용하여 문장을 음소로 변환시키는 시스템도 동일한 기능을 수행할 수 있지만, 그것을 개발하는데 몇 년이 걸리며 또한 음운 법칙을 배우는데 많은 시간이 걸림
▫ 반면에 NETtalk는 학습 능력이 있으므로 단지 3개월 정도의 개발 기간만이 소요
▫ 음성 인식 분야에서도 최근 신경망을 이용하여 화자에 독립적인 음성 인식 방법을 찾으려는 연구가 진행 중
▫ NEC사에서도 동적 프로그래밍과 신경망 기술을 결합하여 숫자를 인식하는 음성 인식 시스템을 만들어 오류율을 기존의 방법을 사용한 시스템의 1/3로 줄일 수 있다고 발표
◦ 언어 학습 분야
캘리포니아 대학의 Rumelhart와 카네기멜론 대학의 McClelland?는 영어 동사의 과거 시제를 배우는 신경망을 개발
▫ 연구의 목적은 신경망이 아이들이 자라면서 동사의 과거 시제에 관한 법칙을 배우는 것과 같은 능력을 가질수 있는가를 시험하기 위해서
▫ 여기서는 원형 동사의 음소 표현을 입력으로 받아 과거 시제의 음소 표현을 출력
▫ 이 신경망에서는 모델의 구조가 좌우 대칭인 경우에 유용한 볼츠만 머신 학습 방법을 사용
참고 자료
없음