完整後設資料紀錄
DC 欄位語言
dc.contributor.author傅心家en_US
dc.contributor.authorFu Hsin-Chiaen_US
dc.date.accessioned2014-12-13T10:38:30Z-
dc.date.available2014-12-13T10:38:30Z-
dc.date.issued1997en_US
dc.identifier.govdocNSC86-2213-E009-099zh_TW
dc.identifier.urihttp://hdl.handle.net/11536/95444-
dc.identifier.urihttps://www.grb.gov.tw/search/planDetail?id=279586&docId=50381en_US
dc.description.abstract類神經網路之研究是近年來相當熱絡的研究, 在第二年計劃中我們提出了混合式神經網路。 第三年的研究,我們本著前二年的研究成果,進行連接(手)寫及印刷英文字,數字分割技術的應用研究。 在第四年的研究中,則發展出適應個人手寫中文的辨識系統,即神眼三號。本年度 ( 第五年) 將依據前四年研究之理論及應用等成果為基礎進行離散式 ( off - line ) 完整中文適應型辨識系統之應用研究。在一般手寫辨識問題中大略可分為前處理,切割,特徵擷取,辨識,後處理等五個步驟。其中特徵擷取又可分成結構法及統計法兩種,然目前中文手寫辨識器若特徵擷取採統計法者,基本上均假設每一個字的特徵資訊分佈為一普通高斯分佈( Normal Gaussian Distribution)。 但在自然界中很難有這麼理想的分佈,又任何的機率密度函式均可由複合高斯分佈( Mixture Gaussian Distribution)所逼近。因此如果能用複合高斯分佈取代普通高斯分佈,必能對於辨識率的提升有所助益。zh_TW
dc.description.sponsorship行政院國家科學委員會zh_TW
dc.language.isozh_TWen_US
dc.subject類神經網路zh_TW
dc.subject模糊集合zh_TW
dc.subject學習法則zh_TW
dc.subject手寫中文辨識zh_TW
dc.subjectNeural networken_US
dc.subjectFuzzy seten_US
dc.subjectLearning algorithmen_US
dc.subjectHand written Chinese character recognitionen_US
dc.title神經網路之階層式研究---從應用、模式到實作(IV)zh_TW
dc.titleThe Hierarchical Study of Neural Nets---From Application, Model to Implementation(IV)en_US
dc.typePlanen_US
dc.contributor.department交通大學資訊工程系zh_TW
顯示於類別:研究計畫