[신경망, 신경망 특성, 신경망 학습기능, 신경망 태동, 신경망 구조, 신경망 이용, 신경망모형]신경망의 특성과 학습기능, 신경망의 태동, 신경망의 구조, 신경망의 이용, 신경망의 활용사례, 향후 신경망의 전망

소개글

[신경망, 신경망 특성, 신경망 학습기능, 신경망 태동, 신경망 구조, 신경망 이용, 신경망모형]신경망의 특성과 학습기능, 신경망의 태동, 신경망의 구조, 신경망의 이용, 신경망의 활용사례, 향후 신경망의 전망에 대한 보고서 자료입니다.

목차

Ⅰ. 개요

Ⅱ. 신경망의 특성과 학습기능

Ⅲ. 신경망의 태동

Ⅳ. 신경망의 구조

Ⅴ. 신경망의 이용

Ⅵ. 신경망의 활용사례
1. Input
2. Filter1
3. Simulator
4. MLP1
5. Text1
6. Output1

Ⅶ. 향후 신경망의 전망

참고문헌

본문내용

있어 예측모형의 최적화를 시켜줄 수 있는 방법을 말한다.
5. Text1
결과출력 도구로서 텍스트 화면을 보여주는 도구이다.
6. Output1
결과출력 도구로서 스프레드시트를 보여주는 도구이다.
Ⅶ. 향후 신경망의 전망
공학분야에서 신경망에 대한 관심은 신호처리, 로보틱스, 컨트롤, 인쇄체와 필기체의 문자인식, 다양한 패턴을 인식하는 지문인식과 화상인식의 패턴인식 그리고 컴퓨터그래픽 분야의 함수근사 응용 등에서 연구되고 있다. 통계학 분야에서는 패턴인식의 판별분석, 주성분분석, 회귀분석 그리고 군집분석을 위한 신경망 등에 대한 연구가 활발히 이루어지고 있다.
이상적으로는 각각의 하위층에서 동시에 병렬적으로 계산이 되어 상위층으로 동시에 전달이 되고 모여진 정보는 또 다시 병렬적으로 계산되어 상위층으로 전달되는 메커니즘을 이루어야 하지만, 현재의 컴퓨터시스템은 이를 순차적으로 계산하여 시뮬레이션을 하고 있는 수준에 머물러 있다.
이러한 시뮬레이션을 담당하는 알고리즘은 다층 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 일반적인 역전파 알고리즘은 최급강하법을 이용하여 오차합이 최소화 되도록 가중치를 반복적으로 변화시켜 나가는 알고리즘이다. 이 알고리즘의 단점인 긴 훈련기간, 극소점 문제, 이상치(outlier)에 민감하다는 문제를 극복하기 위해 많은 사람들이 수정된 역전파 알고리즘에 관심을 가지고 연구를 계속하고 있다.
향후 연구 방향은 의학, 통계학, 심리학, 신경과학, 인지학 및 시스템 이론등의 각 분야에서 제시된 이론과 실험방법들이 공학분야에서 신호처리, 로보틱스, 컨트롤, 문자인식, 지문인식 화상인식, 패턴인식 그리고 컴퓨터그래픽 분야에 이르기까지 다양한 분야에서 활용될 수 있는 발전된 로버스트 역전파 알고리즘을 개발하는 연구에 관심이 있다.
참고문헌
김대수(1999), 신경망 이론과 응용, 하이테크정보
이웅희 외 1명(2010), 신경망 구조를 이용한 비선형 시스템의 식별과 제어 시스템 설계, 한국항공우주학회
이길재 외 2명(2006), 인공 신경망과 사례기반 추론을 혼합한 진단 시스템, 한국지능시스템학회
조재훈 외 2명(2008), 정보이론과 신경망의 가중치를 이용한 속성선택, 한국지능시스템학회
조성배(1996), 구조적응 신경망의 자기조직화 특성, 한국정보과학회
황보주형(2005), 유전 알고리즘을 이용한 신경망의 학습성능 향상 방법에 관한 연구, 동국대학교

키워드

신경망,   신경,   신경망모형,   신경망구조,   뉴런