WEKO3
アイテム
階層的ニューラルネットワークを用いた手書き文字認識
https://nitech.repo.nii.ac.jp/records/4024
https://nitech.repo.nii.ac.jp/records/402411a29a70-1900-43ce-807b-828784a910f0
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
本文_fulltext (668.8 kB)
|
Copyright (c) 1990 IEICE http://search.ieice.org/index.html
|
| Item type | 学術雑誌論文 / Journal Article(1) | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2012-11-06 | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | 階層的ニューラルネットワークを用いた手書き文字認識 | |||||||||||||
| 言語 | ja | |||||||||||||
| 言語 | ||||||||||||||
| 言語 | jpn | |||||||||||||
| 資源タイプ | ||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||
| 資源タイプ | journal article | |||||||||||||
| その他（別言語等）のタイトル | ||||||||||||||
| その他のタイトル | カイソウテキ ニューラル ネットワーク オモチイタ テガキ モジ ニンシキ | |||||||||||||
| 言語 | ja-Kana | |||||||||||||
| その他（別言語等）のタイトル | ||||||||||||||
| その他のタイトル | Hand-written character recognition by layered neural network. | |||||||||||||
| 言語 | en | |||||||||||||
| 著者 |
朱, 小燕
× 朱, 小燕
× 山内, 康一郎
× 神保, 孝志
× 梅野, 正義
|
|||||||||||||
| 著者別名 | ||||||||||||||
| 姓名 | Jimbo, Takashi | |||||||||||||
| 著者別名 | ||||||||||||||
| 姓名 | Umeno, Masayoshi | |||||||||||||
| 書誌情報 |
ja : 電子情報通信学会論文誌. D-2, 情報・システム. 2, パターン処理 巻 J73-D2, 号 1, p. 54-61, 発行日 1990-01-20 |
|||||||||||||
| 出版者 | ||||||||||||||
| 出版者 | Institute of Electronics, Information and Communication Engineers | |||||||||||||
| 言語 | en | |||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | ISSN | |||||||||||||
| 収録物識別子 | 0915-1923 | |||||||||||||
| item_10001_source_id_32 | ||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||
| 収録物識別子 | AA11340957 | |||||||||||||
| 出版タイプ | ||||||||||||||
| 出版タイプ | VoR | |||||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||||
| 内容記述 | ||||||||||||||
| 内容記述タイプ | Other | |||||||||||||
| 内容記述 | 生体の優れた機能と構造を学び，特に生体の視覚系に注目して，情報が網膜から脳に伝わる間にかなり処理されることを考え，階層ニューラルネットワークを用いた手書き文字認識モデルを提案した．認識すべきパターンが限られた個数の特徴だけで識別可能なら，特徴検出部分は固定結合構造にすれば十分であり，学習が速くなる．本モデルは，特徴検出部分（固定構造）と認識部分（可変結合構造）に分けて，文字認識を行う．固定部分，可変結合部分ともに教師あり学習法により結合重みを設定するが，固定部分は初期設定終了の時点で結合を固定する．また，入力パターンを特徴パターンに圧縮してから認識するので，ネットワークが簡単でデバイス化しやすい．今回は数字と英大文字についてシミュレーションを行い，手書き数字をはじめ，かなり変形した文字でも正しく認識することを確認した．あらかじめ，学習させておけば，文字に限らず特徴のあるパターンならどのようなパターンでも認識させることができる． | |||||||||||||
| 言語 | ja | |||||||||||||
