入力領域適応型ニューラルネットワークの提案と文字認識への応用

概要

論文の詳細を見る
パタ一ン認識(カテゴリ分類)のためのニューラルネットワークでその認識結果に対して検証を行ない提示されているパターンを解釈する機構を持つモデルとしては、ART[Carpenter87]やネオコグニトロン[Fukushima83]などがある。これらのモデルでは、入力から出力方向にパターン認識を行なうリンクと出力から入力方向に選択的注意をするリンクを持つ。ネオコグニトロンでは2種のリンクが複雑な作用を及ぼしあっている。これらのモデルでは教師なし学習で行なわれるために、各標準パターンに対して望ましいカテゴリに学習させることが難しい。本論文で提案する入力領域適応型ニューラルネットワークは、階層型ニューラルネットワークを用いた単純な構造になっており、カテゴリの学習は誤差逆伝搬法(バックワードプロパゲーション)[Rumelhat86]で行なう。入力領域適応型ニューラルネットワークを文字認識に応用すると、変形(回転、平行移動可拡大縮小、ノイズの重畳)されたパターンに対して認識が可能であり、認識の結果として変形量を抽出することも可能である。また、学習していないパターンに対して拒否をすることも可能となる。
一般社団法人情報処理学会の論文
1991-02-25