神經網路於中文文字強健性的辨認之研究

Abstract

在這一研究計畫中,吾人提出類神經網路於 中文文字之強健性之辨認.所考慮中文字分階 段性作測試.第一階段為30個中文字,再逐次遞 增辨認之數目,目標為500個,甚至更多.在對抗 Noise之強健性分析方面,吾人採用階段性之方法 ,亦即考慮如10%、15%、20%、25%,之雜訊加入中文 字,而每一階段均作重新學習之動作,期使因重 新學習而使辨識率提高.在類神經網路的模式 與學習的法則方面,將考慮採用Back-Propagation的Multilayer Perceptron(MLP)、Raial Basis Function在MLP之 架構及One-ClessOne-Net的架構、Node growing之技巧 等,由這些方法所得的結果,再比較各方法的 Convergence問題、Learning computation time及Recognition rate.由於在提本計畫前已作了一篇與此直接有 關的Paper,投到Computer Processing of Chinese and Oriental Languages期刊,已得到正面的肯定,因此希 望能得到國科會之支助,做更詳盡之分析,並測 試更多的中文字,使得實驗結果更客觀,以使 Paper被早日刊登出來,並能驗證用Neural networks於 應用上有一進展.