Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/18498
標題: 類神經網路在中文辨識之應用
作者: 謝志明
LIU, ZHI-MING
關鍵字: (NEURAL NETWORKS);類神經網路;(WEIGHT VECTOR);(HIDDEN NODE);(INPUT NODE);加權向量;輸入向量;閾值;隱藏節點;輸入節點
出版社: 應用數學研究所
摘要: 
由于類神經綱路 (neural networks) 的運算模式具有分散 (distributed)、隨機 (
stochastic) 、平行 (parallel) 、非同步 (asynchronous) 及主動元件 (active d
evice)的特徵, 本文探討類神經綱路的五種基本模式, 并改進一監督式學習演算法(
super-vised learning algorithm) 使其具有百分之百學習成功的特性, 且使用非監
督式 (unsupervised) 學習演算法作為中文字型分類的工具, 監督式學習演算法處理
字型的辨識。
中文字型分類主要使用 Carpenter/Grossberg 演算法, 根據下列式子來分類:
∥TX∥/∥X∥〉ρ
T : 加權向量 (weight vector) 。
X : 輸入向量 (input vector) 。
ρ: 閾值 (threshold) 。
監督式學習演算法則使用improved pocket algorithm 來處理, 其加權值的調整公式
如下:
(t+1)= (t) + ;
(t+1)= (t) + ;
0≦i≦N , 0≦j≦T-1, 0≦k≦M-1, 1≦p≦H 。
: 輸入節點 (input node) i 至輸出節點 (output node) j 之連結權值 (connect
ion weights) 。
: 隱藏節點 (hidden node) P 至輸出節點 j 之連結權值。
: 輸入值。
: 期望輸出值。
: 隱藏節點的輸出值。
使用上述的分類及辨識技巧, 將使中文字型辨識可以快速進行, 經實際測試證實效果
頗佳。
URI: http://hdl.handle.net/11455/18498
Appears in Collections:應用數學系所

Show full item record
 

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.