숫자 인식 서비스 기반 다층 퍼셉트론에 대한 입력 데이터 축소 알고리즘 (A Number Recognition Service Based on Multi-Layer Perceptron for an Input Conversion Algorithm)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 17권 / 9호 / 1 ~ 9페이지
· 저자명 : 김창민, 박상주

초록

IT 융·복합 기술은 많은 양의 데이터를 생성하며, 이를 스스로 판별할 수 있는 딥러닝 기술은 현재 산업 분야에서 큰 관심을 받고 있다. 생물학적 뇌를 인공적으로 모델링 한 딥러닝은 고연산량이 요구된다. 본 논문은 딥러닝의 근본적 문제인 고연산량을 줄이기 위한 첫걸음으로 숫자 데이터 축소 알고리즘을 제안한다. 이미지 내 존재하는 특징을 파악 후 각 특징들의 개수를 측정하여 고정적인 배열 16 크기로 정리한다. 이를 통해 신경망의 연산 및 학습 시간을 감소시킨다. 제안한 숫자 데이터 축소 알고리즘의 성능을 평가하기 위해 가공된 데이터를 다층 퍼셉트론을 통해 학습 후 3계층-ANN, CNN-LeNet5와 비교한다. 실험결과 정확도 99.4%, 오차율 0.0264%로 다소 저조한 결과를 보였으나 시간측정에서는 기존 방식보다 3배 이상 빠른 연산을 보였다.

영어초록

IT fusion and composite technologies generate a large amount of data, and deep learning technologies that can identify them on their own are currently receiving great attention in the industrial field. Deep learning, which artificially models biological brains, requires a high amount of computation. In this paper, we propose a numerical data reduction algorithm as a first step to reduce high computations, a fundamental problem of deep learning. After identifying the all features in the image, measure the number of features and arrange them into a fixed array of 16 sizes. This reduces the computation and learning time of the neural network. In order to evaluate the performance of the proposed numerical data Conversion algorithm, the processed data is compared with 3-layer-ANN and CNN-LeNet5 after learning through multilayer perceptron. Experimental results showed somewhat poor results with accuracy of 99.4% and error rate of 0.0264%. However, the time measurement showed more than three times faster operation than the conventional method.

참고자료

· 없음