1 장. 소개 오일석, 패턴인식, 교보문고, 2008. © 오일석, 전북대학교 컴퓨터공학.

Slides:



Advertisements
Similar presentations
CI(Continuous Integration) 이학성. C ontinuous I ntegration? 2 지속적으로 품질관리 를 적용하는 과정 개발자가 기존 코드의 수정 작업 을 시작할 때, 코드 베이스의복사본을 받아서 작업을 시작하면서 코드의 변경.
Advertisements

컴퓨터공학과. 이세돌 vs 인공지능 알파고 컴퓨터공학과 인생은 실험과 도전의 연속 인생은 실험과 도전의 연속.
컴퓨터 관리 방법. ◇ 목 차 ◇ ◇ 목 차 ◇ 부팅 시 확인할 것 최적화 프로그램 소개 프로그램 다운로드 시 유의사항 앞으로의 관리 ( 제일 중요한 것 )
제철고 프로그래밍언어 2015 가을학기 연습 #1 Python 연산식 이다훈 POSTECH 컴퓨터공학과 2015 년 9 월 23 일.
Big Data & Hadoop. 1. Data Type by Sectors Expected Value using Big Data.
Deep Learning.
Deep Learning.
개요 인공지능의 정의 인간의 지능 : 문제 해결, 학습, 사고, 언어 다양한 정의 지능 시스템 확인
MS SQL Server 학기, 소프트웨어 설계 및 실험 ( Ⅰ )
2014 상반기 대졸 신입/인턴 모집 모집 분야 지원접수 전형방법 지원자격
의사 결정 트리(decision tree)
이산수학 (2012년 2학기) : 강의 소개 담당교수: 류승택 (60주년 기념관: 18407)
(Classification – Advanced Techniques)
Entity Relationship Diagram
Introduction To Computers
제 09 장 데이터베이스와 MySQL 학기 인터넷비즈니스과 강 환수 교수.
Hybrid INDIGO project 중간보고
데이터베이스 및 설계 금오공과대학교 컴퓨터공학부 이 이섭.
WJ543 인공지능 2003년도 제 2학기.
Learning Classifier using DNA Bagging
오일석, C와 ALPS, 장. C로 풍덩 © 오일석, 전북대학교 컴퓨터공학.
뇌를 자극하는 SQL Server 장. SQL Server 2008 소개.
분석적 사고 (Analytical Thinking)
HomeNetWork의 개념과 실생활의 예
컴퓨터과학 전공탐색 배상원.
MicroStrategy6 컴퓨터학과 석사 2학기 진수경.
컴퓨터응용과학부 Java Enterprize(DB) 제 15 주
CAS (Computer Algebra System) 소개
제 1장. 멀티미디어 시스템 개요.
소프트컴퓨팅 연구실 소개자료 . 소프트컴퓨팅연구실 조성배.
제4장 제어 시스템의 성능.
9장. 특징 선택 오일석, 패턴인식, 교보문고, © 오일석, 전북대학교 컴퓨터공학.
제1장 통계학이란 무엇인가 제2장 자료와 수집 제3장 자료 분석 방법
빅데이터 연구회 6주차 발표 주제 : 서포트 벡터 머신 통계학과 서태석.
군집 분석.
벡터의 공간 이문현.
패턴인식 개론 패턴인식 개요 ( CSCE 666 Pattern Analysis | Ricardo Gutierrez-Osuna | )
1장. 소개.
3 장. 확률 분포 추정 오일석, 패턴인식, 교보문고,
제1장 생산공정 개요.
기계학습 (Machine Learning)
Computer vision 정보과학부 최영준.
C++ 프로그래밍 2010년 봄학기 C++ 세계에 오신 걸 환영합니다!!.
2019년도 전자정보공학과 이수체계도 1학년(트랙) 2학년(트랙) 3학년(트랙) 4학년 1학기 2학기 1학기 2학기 1학기
BIC 사례 1 연관규칙과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰 사례
졸업 요건 충족을 위한 추가 이수 학점에 대해서는 ‘졸업요건‘ 규정 확인 바람
5 장. SVM 오일석, 패턴인식, 교보문고, © 오일석, 전북대학교 컴퓨터공학.
데이터마이닝, 빅데이터, 데이터과학: 정의 데이터마이닝(data mining)
1 장. 소개 오일석, 패턴인식, 교보문고, © 오일석, 전북대학교 컴퓨터공학.
데이터 베이스 DB2 관계형 데이터 모델 권준영.
ATmega128의 특징 아이티즌 기술연구소
VHDL를 이용한 DES 설계 정보통신컴퓨터공학부 5조 김인옥, 백미숙
CAS (Computer Algebra System) 소개
알고리즘 알고리즘이란 무엇인가?.
Level 0 Level 1 Level 2 Level 3 공모전 후기 모음 웹 서비스 1. 웹 페이지 설계 2. 웹 서버 구현
제 5장 제어 시스템의 성능 피드백 제어 시스템 과도 성능 (Transient Performance)
Word2Vec.
Word Embedding.
Support Vector Machine
Animating Pictures with Stochastic Motion Textures
멀티미디어시스템 제 4 장. 멀티미디어 데이터베이스 정보환경 IT응용시스템공학과 김 형 진 교수.
멀티미디어시스템 제 5 장. 멀티미디어 데이터베이스 개념 IT응용시스템공학과 김 형 진 교수.
ER-관계 사상에 의한 관계데이터베이스 설계 충북대학교 구조시스템공학과 시스템공학연구실
텍스트 분석 ㈜ 퀀트랩.
위험도 인식 Munch - The scream.
학부 컴퓨터공학부 교육과정 (학부) 2학년 4학년 3학년 1학년 1학기 2학기 IPP 자격과정 전공트랙
2 장. 베이시언 결정 이론 오일석, 패턴인식, 교보문고,
3 장. 확률 분포 추정 오일석, 패턴인식, 교보문고,
저자 : 도용태(대구대), 김일곤(경북대) 김종완(대구대), 박창현(영남대) 출판사: 사이텍미디어 2009 (c)2009
1 제조 기술의 세계 3 제품의 개발과 표준화 제품의 개발 표준화 금성출판사.
Presentation transcript:

1 장. 소개 오일석, 패턴인식, 교보문고, 2008. © 오일석, 전북대학교 컴퓨터공학

사람과 동물의 인식 기능-매우 강건robust 인식 (recognition) 사람과 동물의 인식 기능-매우 강건robust 컴퓨터라는 기계도 인식할 수 있나? 2019-01-17

사람과 기계의 차이가 연구자들을 끌어들이는 매력으로 작용 1.1 왜 패턴 인식인가? 사람과 기계의 차이가 연구자들을 끌어들이는 매력으로 작용 인식은 사람에게 극히 쉽다. 인식은 기계에게 극히 어렵다. 과학적 접근 뇌의 정보 처리 과정에 대한 어느 정도의 이해를 바탕으로 뇌를 모방한 인식 컴퓨터에 대한 욕구 예, 신경망 연구 2019-01-17

1.1 왜 패턴 인식인가? 공학적 접근 우리 주위에 널려 있는 인식 기계 기존 제품에 인식 기능 추가하여 부가 가치 높임 우편물 분류기 PDA 필기 입력기 동작인식 핸드폰 지문인식 마우스 과속 단속기 청소 로봇 2019-01-17

1.1 왜 패턴 인식인가? 팽창하는 응용 공장 자동화 문서 인식 음성 인식 자연어 처리 데이처 마이닝 정보 검색 사람 컴퓨터 인터페이스HCI 생체 인식 지능 교통 시스템ITS 지능 자동차 생물 정보학 지능 로봇 상황 인식 … 2019-01-17

1.2 어떻게 인식하나? 패턴 인식의 가장 간단한 관점 개념적으로 생각해 보자. 얼굴이 작고, 코가 뾰족하고, 눈썹이 짙고, 눈이 작은 샘플이 잇다면, 특징 얼굴 크기 (x1), 코의 모양 (x2),눈썹의 짙은 정도 (x3), 눈의 크기 (x4) 분류 x1=작다, x2=뾰족하다, x3=짙다, x4=작다 라는 패턴이 들어왔을때, 이미 알고있는 지식에 비추어 아무개일 가능성이 높다라는 의사 결정 과정 2019-01-17

1.2 어떻게 인식하나? 데이터베이스 수집 용어 샘플 훈련 집합과 테스트 집합 고성능 인식 시스템을 만들기 위해서는 고품질 데이터베이스 필수 양적 우수성과 질적 우수성 필기 숫자 예 2019-01-17

1.2 어떻게 인식하나? 특징 (필기 숫자 예) 개별적인 화소를 특징으로 한다면, 64개의 특징 64-차원 특징 벡터 (feature vector) x=(x1,…,x64) 이들 특징의 분별력은? 검은 화소의 비율을 특징으로 한다면, 중요한 문제 분별력discriminating power 차원의 저주curse of dimensionality 2019-01-17

1.2 어떻게 인식하나? 분류 두 단계의 설계 모델 선택과 학습learning 선형 분류기와 비선형 분류기 결정 직선, 결정 평면, 결정 초평면 결정 곡선, 결정 곡면, 결정 초곡면 2019-01-17

1.2 어떻게 인식하나? 성능 평가 오류율 기준 혼동 행렬confusion matrix: 오류 경향 분석 위험risk 기준 보통 암 환자를 정상이라 오분류하는 것은 정상인을 암 환자로 오분류하는 것보다 위험도가 크다. 2019-01-17

1.2 어떻게 인식하나? 성능 평가 검출에서의 기준 검색에서의 기준 2019-01-17

1.2 어떻게 인식하나? 성능 평가 모델 선택을 위해, 일반화generalization 패턴 인식기의 테스트 집합 (한번도 안본 샘플)에 대한 성능 과적합을 피하자. Occam의 칼날 “쓸데 없이 복잡하게 만들지 마라.” “단순한 것이 좋다.” 모델 선택을 위해, 검증 집합 재 샘플링 k-겹 교차 검증 붓스트랩 2019-01-17

1.3 시스템 설계 패턴인식 시스템의 개발 사이클 고품질 데이터베이스의 중요성 다양한 피드백 특징과 분류기의 밀접한 관련성 시스템의 활용 범주의 일반성 2019-01-17

1.3 시스템 설계 패턴인식 시스템의 처리 과정 현장 투입 (완전 자동 온라인 작동) 분할 (segmentation) 모듈 필요 다중 분류기 결합 채택 가능 후처리: /패(파)/?/인(임)/시(식)/ /패/턴/인/식/ 2019-01-17

1.4 수학 패턴 인식은 수학을 많이 사용 패턴인식에서 전형적인 문제 풀이 과정 분석적 풀이 vs. 수치적 풀이 확률과 통계 선형 대수 정보 이론 최적화 미분 패턴인식에서 전형적인 문제 풀이 과정 분석적 풀이 vs. 수치적 풀이 2019-01-17

1.5 자원 학회 저널 표준 데이터베이스 Wikipedia 한국정보과학회 cvpr 연구회 IAPR IEEE Transactions on Pattern Analysis and Machine Intelligence Pattern Recognition Pattern Recognition Letters Pattern Analysis and Applications International Journal on Artificial Intelligence and Pattern Recognition … 표준 데이터베이스 UCI repository Wikipedia 2019-01-17

1.5 자원 좋은 책 Christopher M. Bishop, Pattern Recognition and Machine Intelligence, Springer, 2006. Sergios Theodoridis and Konstantinos Koutroumbas, Pattern Recognition. 3rd Ed., Academic Press, 2006. Richard O. Duda, Peter E. Hart, and David G. Stork, Pattern Classification, 2nd Ed., Wiley-Interscience, 2001. 2019-01-17