IRIS data 분류를 위한 신경망 패턴인식기의 설계

소개

신경망, PCA, LDA 알고리듬을 적용하여 IRIS data를 분류한 결과 입니다.

목차

신경망을 사용하여 IRIS data를 분류하는 Classifier를 설계하였다.
신경망은 1943년 McCulloch 과 Pitts에 의해 그 개념이 소개되었으며, Rosenblatt이 1957년 퍼셉트론이라는 최초의 신경망 모델을 발표하였다. 그러나 Rosenblatt의 퍼셉트론의 경우 발표 당시에는 매우 큰 관심을 끌었으나, XOR 함수와 같이 단순한 비선형 분리 문제도 풀 수 없는 것을 밝혀졌다. 그 후 1980년대 들어서 한 개 이상의 은닉층 뉴런을 가지는 Multi _badtags Perceptron 모델이 제안되고, 백프로퍼게이션(back-propagation) 학습 알고리즘을 사용함으로써 선형 분리 문제뿐 만 아니라 여러 가지 비선형 문제들을 해결할 수 있는 계기를 마련하였다. back-propagation 학습 알고리즘은 오차를 정정하는 규칙으로서, 입력에 대해 원하는 반응과 실제로 얻어진 것들에 대한 차이를 줄여 나가는 것이다.
현재 신경망은 다양한 관점에서 연구가 되고 있으며, back-propagation알고리즘 뿐만 아니라 여러 가지 다양한 학습 알고리즘들을 이용하여, 제어, 통신, 반도체, 로보틱스 등의 여러 분야에서 사용하고 있다.
본 보고서에서는 입력층 뉴런의 개수 4개(혹은 2개), 은닉층 뉴런의 개수 (5개), 출력층 뉴런의 개수 3개를 갖는 Multi _badtags Perceptron구조하에, Back Propagation algorithm, Conjugate gradient등의 학습 알고리즘을 이용하여 주어진 IRIS data를 분류하는 분류기를 설계하였다.
IRIS data의 4개의 Attribute를 모두 신경망에 입력시켜서 back propagation과 conjugate gradient method를 이용하여 data를 분류, PCA와 LDA를 이용하여 선택된 input feature에를 이용한 분류, relevant input 2 개를 이용한 분류에 관한 실험을 실시하였으며, 150개의 IRIS data 중에서 임의로 135개의 Training data를 뽑아서 신경망을 학습 시켰고, 학습 결과를 미리 준비된 15개의 Test data를 이용하여 검증하여 보았다.

본문내용

Design of NN Classifier for IRIS Data Classification

I. Goal of term project

신경망을 사용하여 IRIS data를 분류하는 Classifier를 설계하였다.
신경망은 1943년 McCulloch 과 Pitts에 의해 그 개념이 소개되었으며, Rosenblatt이 1957년 퍼셉트론이라는 최초의 신경망 모델을 발표하였다. 그러나 Rosenblatt의 퍼셉트론의 경우 발표 당시에는 매우 큰 관심을 끌었으나, XOR 함수와 같이 단순한 비선형 분리 문제도 풀 수 없는 것을 밝혀졌다. 그 후 1980년대 들어서 한 개 이상의 은닉층 뉴런을 가지는 Multi layer Perceptron 모델이 제안되고, 백프로퍼게이션(back-propagation) 학습 알고리즘을 사용함으로써 선형 분리 문제뿐 만 아니라 여러 가지 비선형 문제들을 해결할 수 있는 계기를 마련하였다. back-propagation 학습 알고리즘은 오차를 정정하는 규칙으로서, 입력에 대해 원하는 반응과 실제로 얻어진 것들에 대한 차이를 줄여 나가는 것이다.
현재 신경망은 다양한 관점에서 연구가 되고 있으며, back-propagation알고리즘 뿐만 아니라 여러 가지 다양한 학습 알고리즘들을 이용하여, 제어, 통신, 반도체, 로보틱스 등의 여러 분야에서 사용하고 있다.
본 보고서에서는 입력층 뉴런의 개수 4개(혹은 2개), 은닉층 뉴런의 개수 (5개), 출력층 뉴런의 개수 3개를 갖는 Multi layer Perceptron구조하에, Back Propagation algorithm, Conjugate gradient등의 학습 알고리즘을 이용하여 주어진 IRIS data를 분류하는 분류기를 설계하였다.
IRIS data의 4개의 Attribute를 모두 신경망에 입력시켜서 back propagation과 conjugate gradient method를 이용하여 data를 분류, PCA와 LDA를 이용하여 선택된 input

참고자료

· 없음