1. 패턴인식과기계학습 -...
TRANSCRIPT
![Page 1: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/1.jpg)
1. 턴인식과 계학습
![Page 2: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/2.jpg)
강의 개요
턴인식 및 계학습의 본 개념 소개
턴인식과 계학습
처리 과
본 요소
개념
응용 분야
데이터 데이터 분포특징과 특징추출분류 결 경계분류 과 차
분류 군집화교사학습과 교사학습분류 복잡도 과다 합
![Page 3: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/3.jpg)
주어진 입 데이 ( )를 어떤 에 라 몇 개의
의 그룹(클래스)로 나 고, 각 데이 가 어떤 그룹에
해당하는 지를 결 하는 것
Person 1
Person 2
Person 3
Normal
Smile
Surprise
Anger
자인식
얼굴인식표 인식
1) 턴인식이란?
![Page 4: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/4.jpg)
( 법1) 구조 특징에 의한 의 인식
얼굴인식/표 인식을 해필요한 구조 특징 ?
(구조 법의 한계)
2) 턴인식의 본 근 방법 1
![Page 5: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/5.jpg)
( 법2) 탬 릿 매칭
d1
d2
d3
d4
d3=min{di}
입 데이
클래스
1
2
3
4
원 상(template)
…
3
3) 턴인식의 본 근 방법 2
![Page 6: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/6.jpg)
조명변
표변
타변
원 상(template)
패턴의 변형
4) 턴인식의 어 움
![Page 7: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/7.jpg)
인간이 갖고 있는 고 의 지능 능인 학습
능 을 계를 통해 구 하는 법
의 다양한 변 이 존재
보다 교한 법이 필요
“ 계학습”
주어진 데이 들을 분 하여 그로부 일 인
규칙이나 새로운 지식을 자동 로 추출해 내는
법론 개
인식을 어 게 하는 주요 원인
5) 계학습의 필요
![Page 8: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/8.jpg)
평균 상
자 “5”의 다양한 변
통계 보(평균량)의 활용
6) 데이터를 이용한 학습
![Page 9: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/9.jpg)
2. 턴인식의 처리과
![Page 10: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/10.jpg)
분류/인식Classification /
Recognition
인식결과
학습데이 집합
처리Preprocessing
특징추출Feature extraction
결 경계Decision boundary
테스트데이
학습(데이 분 )Learning classifier /
Data analysis
인식단계 (Recognition Stage)
학습단계 (Learning Stage)
1) 턴인식의 처리과
![Page 11: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/11.jpg)
데이 집Data collection
데이 처리Data
preprocessing
데이 분Data analysis
능 평가Performance evaluation
특징 추출분류 개
Development offeature extractor
& classifier
/보완
2) 턴인식의 개발 단계
![Page 12: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/12.jpg)
3. 턴인식의 본 요소
![Page 13: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/13.jpg)
데이 분포 특 :
- 가우시안 분포를 름
- 평균 [3,3]
- 공분산 [[1,0]T,[0,1]T]
- 데이 (샘 ) 개 : 50개
n차원 열벡터
x1
x2
데이 의 표
2차원 데이 집합의 분포 태
1) 데이터
![Page 14: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/14.jpg)
(a) 모집단의 확률 도함 (b) 등고 로 표시 도함
2) 데이터 분포
![Page 15: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/15.jpg)
(c) 모집단의 데이 분포 (d) 4개의 표본 집합
2) 데이터 분포
![Page 16: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/16.jpg)
± 입 데이 를 그 로 사용하는 신 각 의 특 을
잘 표 해 있는 핵심 보만 추출하여 사용
± 비용(계산, 메모리)의 증가 잡음 등 로 인한 해
결의 어 움을 감소시키는 효과
(b) 격자특징12x12
(d) 향특징(a) 원 상 (c) 직히스토그램
3) 특징추출
![Page 17: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/17.jpg)
± 사 에 의한 특징추출
u
à 차원 감소의 목 이 아닌 인식을 한 핵심 보를 추출하는 것이 요
à 주어진 데이 의 분포 특 을 가장 잘 나타낼 있는 향을
어떤 향 로 사 하는 것이 좋 가?
x (데이터)
xTu (특징값)
3) 특징추출
![Page 18: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/18.jpg)
분류(classification)
결 경계(decision boundary)
클래스를 구분해주는 직 /곡 /면
데이 집합 X={x1, x2,…, xN}가 주어졌을 때, 각 데이 xi에 해당하는 클래스 라벨 y(xi)를결 하는 것
별함 g(x)=0과 같 함 식 로 의 는입 공간상의 경계면
4) 분류
![Page 19: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/19.jpg)
C1
C2
분류데이터
결 경계
g(x1, x2) = x1-x2 = 0
x2
x1
5) 결 경계
![Page 20: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/20.jpg)
± 능 평가 척도
체 데이 개분류 실 데이 개
분류 차(%) = x 100
체 데이 개분류 공 데이 개
분류 (%) = x 100
학습 차
테스트 차
6) 분류 과 차
![Page 21: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/21.jpg)
® 이론 능 분 을 해 는 요
® 실 응용에 는 계산 불가
∵ 체 데이 집합의 확률 도함 를 모름
® 테스트 차 à “경험 차”
® 테스트 차는 일 화 차의 경험 근사에 불과
일 화 차
6) 분류 과 차
![Page 22: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/22.jpg)
Ecv
X1 X2 X3 X4 X5 Etest(X5)Etrain(X-X5)
X1 X2 X3 X5 X4 Etest(X4)Etrain(X-X4)
X1 X2 X4 X5 X3 Etest(X3)Etrain(X-X3)
X1 X3 X4 X5 X2 Etest(X2)Etrain(X-X2)
X2 X3 X4 X5 X1 Etest(X1)Etrain(X-X1)
mean
5-분 교차검증법의 처리 과 의
교차검증
차
6) 분류 과 차
![Page 23: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/23.jpg)
4. 턴인식과 개념들
![Page 24: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/24.jpg)
분류(classification) 군집화(clustering)
주어진 데이 집합을 이미 의몇 개의 클래스로 구분하는
입 데이 의 분포 특 (입 값의 사 )을 분 하여 임의의 복
개의 그룹 로 나 는 것
입 데이 각 데이 의 클래스 라벨이 함께 공 à {xi, y(xi)}
클래스에 한 보 없이 단 히입 값만 공 à {xi}
자인식, 얼굴인식 등 상분리
Bayes classifierK-Nearest Neighbor method Multilayer perceptronsSupport Vector Machine
K-means clusteringLearning Vector QuantizationHierarchical clusteringSelf Organizing feature Map
1) 분류 군집화
![Page 25: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/25.jpg)
C1
C3
C1
C3
분류군집화
1) 분류 군집화
![Page 26: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/26.jpg)
교사학습(supervised learning)
비교사학습(unsupervised learning)
학습시에 인식 가 내야 할 원하는 출 값을 미리 알주는 교사가 존재하는 태
학습시 인식 의 원하는 출 값에 한 보 없이 학습이 이루어지는 태
6장 최소 곱법, 퍼셉트론 학습11장 다 퍼셉트론을 한 류역 학습 알고리즘
10장 가우시안 합모델을 한 EM 학습법11장 자 조직화 특징맵의 학습법
분류
군집화
2) 교사학습, 교사학습
![Page 27: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/27.jpg)
(a) (b)
(c) (d)
C1
C2
C1
C2
C1
C2
C1
C2
Linear decision Boundary g(x)
Nonlinear decision Boundary
g(x)
Mis-classified area
학습데이
테스트데이
비 결 경계결 경계
3) 분류 복잡도 과다 합
![Page 28: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/28.jpg)
과다 합(overfitting)
분류 가 학습데이 에 해 만 지나치게 합한태로 결 경계가 는 람직하지 못한 상
학습데이 의 확률 잡음과 학습데이 개 의 부족에 인
분류 의 복잡도를 히 조 하는 법이 필요
학습의 조 종료 법
규화항을 가진 차함 를 사용하는 법
모델 택 법
3) 분류 복잡도 과다 합
![Page 29: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/29.jpg)
5. 턴인식의 응용
![Page 30: 1. 패턴인식과기계학습 - knou.ac.krgradlms.knou.ac.kr/weblms/grad/contents/108424/2011_week...응용 분야 문자인식/ 문서인식 생체인식 뇌신호처리 생물정보학](https://reader031.vdocuments.site/reader031/viewer/2022041713/5e491cd1ea0a76262d706718/html5/thumbnails/30.jpg)
응용분야
자인식/인식
생체인식
뇌신 처리
생 보학
로 비
의료 보
데이 분
…
자인식, PDA, 자사 , ATM 등
생체 보(지 ,얼굴,홍채)à 신원확인
MEG, EEG, BCI
마이크로어 이, 염 열 분
객체인식, 음 / 외 신 분
임상 데이 , MRI, CT, 음
홈쇼핑, 주식 데이 , 보험회사 등
1) 턴인식의 응용