Matlab으로 구현한 Neural Network 를 사용하여, 인간의 문자지각방식에 대한 가설 증명

목차

1. 과제 목표
2. 사용된 도구
3. 지식 기반
4. Train and Test image set
5. 설계
6. 결론

본문내용

Train and Test image set
실세계의 사물은 크기도 다양하고 색깔도 다양하다. 이 설계에서는 다음의 두 가지 사항을 고려하여 학습 및 시험 이미지를 위와 같이 정하였다.
1. 크키가 큰 이미지라 하더라도 망막에 맺히고 인식되는 크기는 황반을 벗어나지 못하기 때문에 입력으로 주어지는 원래 이미지 크기는 10x10 으로 제한한다.
2. 사물을 인식하는 것은 색보다는 물체의 윤곽선이나 생김새가 더 큰 역할을 수행하므로 색 감지를 제외한 패턴 인식에 대해서만 생각해보도록 한다.

설계
1. 사람이 패턴을 보고, 그 패턴이 어떤 의미를 포함하는지 인지하는 과정은 일반적으로 다음의 과정을 따른다.

A. 눈에 물체의 상이 맺히면 망막의 수용체들이 자극을 받는다.
B. 자극받은 수용체들은 시신경으로 신경자극을 전달한다.
C. 시신경으로부터 전달받은 자극은 LGN으로 들어가서 정규화되어 다시 뇌의 다른 부분으로 전달된다.
D. 후두엽으로부터 전달된 정보는 뇌의 각 부분을 거치면서 망막에 맺힌 이미지에 대한 정보를 추출하고 인지하게 된다.

2. 뉴런들이 신경자극에 대해 어떤 반응을 일으킴으로써 사물을 인지하게 되는지에 대해서 다음과 같은 가설을 생각해볼 수 있다.

3. 이러한 가설이 타당하다면, Test image 가 시각정보로 들어왔을 때, 이 Neural network group에 속한 Neural network 들이 도출한 결론들의 결과는 다음과 같은 모양을 이룰 것이다.

참고 자료

없음

압축파일 내 파일목록

active_nn2.m
binaryToChar.m
charToBinary.m
F.m
globals2.m
good/a.jpg
good/b.jpg
good/c.jpg
good/d.jpg
good/e.jpg
good/f.jpg
good/g.jpg
good/h.jpg
good/i.jpg
good/j.jpg
good/k.jpg
good/l.jpg
good/m.jpg
good/n.jpg
good/o.jpg
good/p.jpg
good/q.jpg
good/r.jpg
good/s.jpg
good/t.jpg
good/u.jpg
good/v.jpg
good/w.jpg
good/x.jpg
good/y.jpg
good/z.jpg
imgToArray10_10.m
isMatEqual.m
learning2.m
linearize.m
neuroNet.m
oneOrZero.m
precision.m
read_train_data4.m
runEntire2.m
Train.m
weight_init2.m
whatIsThis.m
지각모델링 설계.docx

전체 목록 보기