@article{oai:nitech.repo.nii.ac.jp:00004024,
 author = {朱, 小燕 and 山内, 康一郎 and 神保, 孝志 and 梅野, 正義},
 issue = {1},
 journal = {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},
 month = {Jan},
 note = {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．, application/pdf},
 pages = {54--61},
 title = {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},
 volume = {J73-D2},
 year = {1990}
}