퍼지 동적 학습률 제어 기반 하이브리드 RBF 네트워크 (A Hybrid RBF Network based on Fuzzy Dynamic Learning Rate Control)

서지정보

· 발행기관 : 한국컴퓨터정보학회
· 수록지 정보 : 한국컴퓨터정보학회논문지 / 19권 / 9호 / 33 ~ 38페이지
· 저자명 : 김광백, 박충식

초록

FCM 기반하이브리드RBF 네트워크는서로 다른학습 구조가 결합된 혼합형모델로서, 입력층과중간층의학습 구조는 FCM 알고리즘을적용하고, 중간층과 출력층사이의 학습 구조는 Max_Min 알고리즘을 적용한다. 입력층과 중간층의 학습시 입력 벡터와 중간층의 노드 중에서 중심과 입력 벡터간의 가장 가까운 노드를 승자 노드로선택하여 출력층으로 전달한다. 그리고 중간층과 출력층 사이의 학습구조인 Max_Min 신경망은 중간층의 승자 뉴런이입력벡터로 적용된다. 그러나많은 패턴이 입력벡터로제시될경우에는 학습성능이저하되는 단점이 있다. 따라서본 논문에서는 중간층과출력층의 학습구조인 Max_Min 알고리즘의 학습성능을 향상시키기위해퍼지논리시스템을 이용한 학습률 자동 조정 방법을 제안한다. 제안된 방법은 목표값과 출력값의 차이에 대한 절대값이 0.1보다 적거나 같으면 정확성으로 분류하고 크면 부정확성으로 분류한다. 정확성의 총 개수를 퍼지 제어 시스템에 적용하여 학습률을 동적으로 조정한다.
제안된 방법의 학습 및 인식 성능을 평가하기 위해 컨테이너에서 추출한 숫자, 영문 식별자를 인식 및 성능평가실험에 적용한 결과, 제안된 방법이 문자 패턴 인식에 효과적임을 확인할 수 있었다.

영어초록

The FCM based hybrid RBF network is a heterogeneous learning network model that appliesFCM algorithm between input and middle layer and applies Max_Min algorithm between middlelayer and output. The Max-Min neural network uses winner nodes of the middle layer as input butshows inefficient learning in performance when the input vector consists of too many patterns. To overcome this problem, we propose a dynamic learning rate control based on fuzzy logic. Theproposed method first classifies accurate/inaccurate class with respect to the difference betweentarget value and output value with threshold and then fuzzy membership function and fuzzydecision logic is designed to control the learning rate dynamically. We apply this proposed RBFnetwork to the character recognition problem and the efficacy of the proposed method is verifiedin the experiment.

참고자료

· 없음