역전파 알고리즘 기반 양방향 연상 신경망

Abstract

사물들로부터 개념을 인식하고 또한 역으로 개념으로부터 대표 사물을 연상하는 인간의 양방향 연상 능력을 구현하기 위하여 일반적으로 BAM(Bidirectional Associative Memory)이 활용되고 있다. 그러나 BAM과 같은 기존 연상 방식은 비선형 문제의 해결이 어렵고, 연상 저장 능력과 수행 시간 면에서 불충분한 성능을 보여준 다. 본 연구에서는 이러한 문제점들을 해결하기 위해 역전파 신경망을 기반으로 하는 양방향 연상 신경망(BBN：Bidirectional Backpropagation Neural-net)을 제안한다. 또한 제안된 BBN의 효용성을 검증하기 위해 Exclusive-OR, Prior Encoder-Decoder 및 문자인식 문제를 대상으로 한 실험을 수행하여, 기존 방식에 비하 여 양방향 연상에 보다 효과적으로 활용될 수 있음을 확인하였다.A well-known BAM(Bidirectional Associative Memory) has been widely used to emulate human’s bidirectional association capability which can recognize a concept from objects and also recall a representative object from that concept. However, the conventional association model like BAM is often not useful for solving non-linearly separable problem and also inadequate when considering its capacity and speed of association.In order to relax such inadequacies, we propose BBN(Bidirectional Backpropagation Neural-net) based on backpropagation algorithm. We also validate the usefulness of BBN by some experiments for Exclusive-OR, Prior Encoder-Decoder, and Character Recognition problems. In some discussions, we state that BBN may outperform the conventional ones in terms of bidirectional association capability and its efficacy.