使用類神經網路輿他種量度法來辨識手寫中文字

Abstract

手寫中文字辨識至目前仍是一個相當困難的問題。很多人早已投入此項研究，由於在 辨識率上一直無法有效的提升，或是辨識率相當高已可達商品化的地步，但是可辨識 的字數不夠多，致使無法滿足一般人的使用需要，故在市場上仍未見有商品化的產品 出現。因此尋找一個對常用中文字高辨識率的方法實是當務之急。類神經網路(neura l network)是目前使用於文字辨識比較新一種方法，此種方法與傳統的辨識方法截然 不同，主要是模擬人類大腦神經細胞的動作來達到辨識的目的。 本篇論文中，我們所採用的頻神經網路的模型是多附層的認知元(multilayer percep tron) ，此種模型的最大特點在儲存資訊的容量高于它種模型且組成架構可隨心所欲 的設計。對于此模型的學習方法，採用誤差回傳法(error backpropagation) 將所輸 入的字完全儲存在所設計的架構上。由于常用中文字大約有五千多字，在學習的過程 中相當浪費時間, 因此在本篇論文中祇選常用中文字任意一百字做為實驗。 我們將採用兩種不同的類神經網路架構，一為完全連接的架構，使用的層數為參層， 輸入的維數是 256，二是將輸入的維數先降低至32，再進入神經網路架構，所使用的 架構與第一種完全相同，另外為了做比較，我們亦採用數種不同於傳統做法的量度法 來達到辨識的目的。這些量度法均是經過實驗的結果選擇較有效力的量度法。經過我 們測試結果，最大的正確辨識率可達到百分之五十。