高次ニューラルネットワークを用いたパターン認識

摘要

本論文では2値点分布で表されるパターンの認識系を提案する．この系の特徴抽出器は，点分布に対する2点の相対的な距離や位置を用いて点分布の構造を表現する，新しい特徴ベクトルを生成する．この特徴ベクトルは点分布の移動，回転および伸縮にロバストである．特徴抽出器は2次であり計算量は少ない．その特徴抽出器はさらに，学習パターンから特徴ベクトルを生成する際，点分布の変形や歪を理論的に補正する．そのため，識別器は学習パターンの特徴ベクトル1個でその未知なる変形·歪パターンも学習する．したがって，学習時間は短く認識率は高い．識別器は3次2層ニューラルネットワークである．この系の汎用性を手書き文字認識や分布同定により実験的に示す．