應用高階類神經網路於不變性圖形識別

Abstract

本論文的主題在探討如何應用高階類神經網路於有旋轉，平移，放大及縮小的圖形識 別上。我們所提出識別系包括一個由三階(third-order) 類神經網路所組成的特徵抽 取器(feature extractor) 以及一個由單層線性連屬記憶體(single-layer linearassociativc memory) 所構成的分類器(classifier)。在論文中，經由引進一 個可表示兩個三角形相似程度的參數－Sphericity，將可近似地抽取輸入圖形的不變 性特徵。同時，我們將明確地提山一個一因平移及旋轉而改變的圖形識別類神經網路 架構。並在適當的假設下，加以証明。此外，於高階類神經網路所面臨的巨大儲存空 間而求，我們可利用只處理值是1 的像素(pixel) 加以克服。 模擬結果顯示：本圖形辨識系統在辨識數字，對只有旋轉或只有放大、縮小的圖樣 (sample)，辨識率可達100％ 。對同時有旋轉且放大或縮小的圖樣，辨識率也可達 95.11 ％。另外，在辨識飛機圖形時，對於同時有旋轉及放大或縮小圖樣則有99.60 ％的辨識率。就上述兩類圖形辨識工作，我們也記錄不同雜訊大小的辨識率，以作為 雜訊容忍度的參考。