Real-Time Neural Network for Information Propagation of Model Objects in Remote Position

원격지 모형 물체에 대한 정보 전송을 위한 실시간 신경망

For real-time recognizing of model objects in remote position a new Neural Networks algorithm is proposed. The proposed neural networks technique is the real time computation methods through the inter-node diffusion. In the networks, a node corresponds to a state in the quantized input space. Each node is composed of a processing unit and fixed weights from its neighbor nodes as well as its input terminal. The most reliable algorithm derived for real time recognition of objects, is a dynamic programming based algorithm based on sequence matching techniques that would process the data as it arrives and could therefore provide continuously updated neighbor information estimates. Through several simulation experiments, real time reconstruction of the nonlinear image information is processed. 1-D LIPN hardware has been composed and various experiments with static and dynamic signals have been implemented.

원격지 모형 물체에 대한 추출정보의 실시간 정보의 인식 및 전송을 위하여 실시간 신경회로망을 제안하였다. 제시된 신경회로망 기법은 내부 노드의 확산을 통하여 실시간 계산 기법으로 수행된다. 회로망 내에서 노드는 양자화 된 입력 영역내의 한 상태로 결정되며, 각 노드는 자신의 입력신호와 이웃하는 정보입력의 가중치 신호의 합에 의해 새로운 정보 유닛으로 산출되어진다. 모형 물체의 실시간 인식을 위하여 제안되는 가장 이상적인 알고리즘은 순서적 정합기법인데, 임의의 위치 정보를 주변의 상태 공간에 신속하게 전파시켜 자연스런 정보의 보간 상태를 이룬다. 비선형 불규칙적 영상정보를 실시간인식을 위하여 다양한 시뮬레이션을 실행하였다. 1차원 정보전파 신경망 하드웨어를 제작하여 정적 및 동적 신호가 있는 다양한 실험을 수행하였다.