• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
닫기

사이트맵

Loading..

Please wait....

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회 논문지 B : 소프트웨어 및 응용

정보과학회 논문지 B : 소프트웨어 및 응용

Current Result Document : 1 / 1

한글제목(Korean Title) 온라인 필기인식을 위한 증가하는 데이터를 이용한 앙상블 기법
영문제목(English Title) Ensemble Methods with Increasing Data for Online Handwriting Recognition
저자(Author) 김태준   장하영   박정완   황성택   장병탁   Tae-Jun Kim   Ha-Young Jang   Jeongwan Park   Seongtack Hwang   Byoung-Tak Zhang  
원문수록처(Citation) VOL 41 NO. 02 PP. 0164 ~ 0170 (2014. 02)
한글내용
(Korean Abstract)
모바일 기기의 대중화와 함께 필기체 인식의 중요성은 더욱 커지고 있다. 필기 데이터는 데이터에 존재하는 분산(variance)이 매우 크기 때문에 데이터가 증가함에 따라 문제의 복잡도가 급격히 증가하는 특성이 있다. 이러한 특성으로 인하여 대용량의 데이터를 이용하여 인식기를 학습시키기도 어렵고 학습시간도 길어진다는 문제점이 있다. 본 논문에서는 이러한 문제점들을 해결하기 위한 앙상블 기법을 제시하였다. 제안한 방법론은 모바일 기기를 통해서 축적되는 필기 데이터를 효율적으로 이용하기 위하여 일정량의 데이터가 모일 때마다 새로운 약분류기(weak learner)를 추가함으로써 앙상블 모델을 구축한다. 필기체 인식을 위해서 많이 사용되는 인공신경망은 필기 데이터의 크기가 커짐에 따라서 데이터 내의 분산도 같이 커지는 문제로 인하여 학습 시간이 급격히 증가하게 되는데 앙상블 기법을 이용한 점진적 학습을 통해서 빠른 시간 안에 보다 효율적인 학습이 가능하게 된다.

영문내용
(English Abstract)
Today’s mobile devices offer more intuitive touch interfaces and support handwriting recognition. The within class variance of handwritten characters causes the growth of complexity in handwriting recognition as data grows. Because of it, more time and efforts are required to train the recognizer as data grows. We propose the ensemble method with batch incremental learning. The proposed method adds the new weak learner to ensemble model, when incremental data reaches certain amount. The ensemble method with batch incremental learning reduces the training time of artificial neural network with large data set. It also tends to cancel out overfitting problem caused by high variance.
키워드(Keyword) 앙상블 모델   배깅   온라인 필기체 인식   온라인 학습   점진적 학습   ensemble model   bagging   online handwriting recognition   online learning   incremental learning  
파일첨부 PDF 다운로드