주성분 분석을 이용한 이동 불변 이차 신경망의 노드 축소

신경망의 입력에 수직, 수평 방향으로 이동된 패턴이 입력되면 오인식의 원인이 된다. 표준의 EBP를 사용하는 다층 퍼셉트론은 패턴 픽셀의 값이 신경망의 입력 노드에 직접 입력되므로 위치 이동 문제를 해결하기 어렵다. 2차 신경망은 기하학적으로 관련이 있는 2개 픽셀의 비선형 조합들을 입력으로 가지는 다중 신경망이므로 위치 이동에 무관한 패턴 인식에 사용할 수 있다. 그러나 2차 신경망은 위치 이동만을 고려 하더라도 입력 노드 수가 N²로 증가하기 때문에 구현이 어렵다. 본 논문에서는 입력 패턴 픽셀들의 조합들과 PCA(Principal Component Analysis)를 이용하여 위치 이동에 불변하는 2차 신경망의 입력 노드 수를 축소하는 방법을 제안한다. 제안된 방법으로 입력 패턴 차원 N에 대해서 평균 2/5*N 정도의 입력 노드를 가지는 위치 이동에 불변하는 2차 신경망을 구현할 수 있었다. 축소된 2차 신경망을 위치 이동된 한글 명조체 990자에 대해서 실험한 결과 99.6%의 인식율을 얻었다. 그리고 학습 및 인식에 걸리는 시간도 단축시켰다.