類神經網路於手寫字辨識之研究

Abstract

在本論文中探討了由fukushima 所提出的最大且極復雜的類神經網路模式--名為neoc ognitron model，并利用此模式以及監督式學習法(supervised learning strategy) 來建構一個四階層(four stages) 的階級式(hierarchical)類神經網路，用於手寫大 寫英文字母之辨識。如何選擇特徵(features)并建造相對誚的訓練圖形(training pa tterns) 來訓練此階級式類神經網路上的每一階層，以及網路中的參數設定與調整(a dapt) 問題都在論文當中討論。同時，一個改進辨識時的堅韌性(robustness)的方法 －－再學習(relearning)也在此被提出。另外還提出了傳統的構造式圖型識別系統(s yntactic pattern recognition system)與此篇論文所探討的類神經網路模式－－ne ocognitron model的關連性，透過此關連性以及對傳統的構造式圖型識別系統(synta ctic pattern recognition system)的認識，我們能夠更了解此類神經網路模式－－ neocognitron model，而且在利用此種類神經網路於建立圖形辨識系統時能更清楚選 擇何種特徵并建造相對應的訓練圖形來訓練此類神經網路。 利用論文中所探討與提出的方法成功地建造了一個辨識系統。此辨識系統能夠辨識手 寫大寫英文字母而不受一些變形(deformation) 、大小(scaling) 或平移(shift in position) 所影響。但是此辨識系統頗受參數設定與調整問題所影響，此現象在論文 中也有所討論。