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 |
---|---|---|
![]() |
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 |