多数のカテゴリを学習・識別するニューラルネットCombNET-IIに関する研究

多数のカテゴリを学習・識別するニューラルネットCombNET-IIは,前段に入力データを大分類するためのベクトル量子化ニューラルネット(Stem-Netwirk)を配置し,後段にはグループ内のデータを細類分する階層型ニューラルネット(Branch-Network)を多数並列に配置したものであり,前段で大まかなグループ分けを行ない,後段でグループ内での識別を行なう2段階識別ネットワークである[1]。本年度は,CombNet-IIによる手書き英数字の認識実験を行なった。手愛き文字は,人によって字体が大きく異なり,同一人物の文字でもひとつひとつ変形を伴うため,同じ文字でも多くの異なるパターンがある。CombNET-IIは,このように同一カテゴリに属するパターン内で大きく変動するような問題についてもうまく適応したネットワークを形成することができる。今回,電総研から提供されている文字データベースETL6に含まれている手愛き英数字を識別対象に実験を行なった。その結果,600人分のデータを学習したときに,未知データに対する認識率が99.0%に達した。さらに,CombNET-IIを用いて手書き漢字を認識するニューラルネットを構成する手法について検討した。手書き文字はパターン変動が極めて大きいので,同一文字についてさまざまなパターンを入力してStem Networkに同一文字について複数のテンプレートを成長させ,複数のBranch Networkの出力層に同一文字種に対応するニューロンを用意する。このように同一カテゴリ内に大きく異なるパターンを含む場合については複数のネットワークパスを用意することによって,パターン変動の大きな手書き漢字の認識を行なう。枚回,1000字種を対象にした実験で,97%毎度の認識率を達成した[3,4]。以上,CombNET-IIが分類カテゴリ数の外いパターン認識の識別関数の学習方式として,単純な階層型ニューラルネットワークの限界を超える能力をもっていることを明らかにした。

多数のカテゴリを学習・識別するニューラルネットCombNET-IIは,前段に入力データを大分類するためのベクトル量子化ニューラルネット(Stem-Netwirk)を配置し,後段にはグループ内のデータを細類分する階層型ニューラルネット(Branch-Network)を多数並列に配置したものであり,前段で大まかなグループ分けを行ない,後段でグループ内での識別を行なう2段階識別ネットワークである[1]。本年度は,CombNet-IIによる手書き英数字の認識実験を行なった。手愛き文字は,人によって字体が大きく異なり,同一人物の文字でもひとつひとつ変形を伴うため,同じ文字でも多くの異なるパターンがある。CombNET-IIは,このように同一カテゴリに属するパターン内で大きく変動するような問題についてもうまく適応したネットワークを形成することができる。今回,電総研から提供されている文字データベースETL6に含まれている手愛き英数字を識別対象に実験を行なった。その結果,600人分のデータを学習したときに,未知データに対する認識率が99.0%に達した。さらに,CombNET-IIを用いて手書き漢字を認識するニューラルネットを構成する手法について検討した。手書き文字はパターン変動が極めて大きいので,同一文字についてさまざまなパターンを入力してStem Networkに同一文字について複数のテンプレートを成長させ,複数のBranch Networkの出力層に同一文字種に対応するニューロンを用意する。このように同一カテゴリ内に大きく異なるパターンを含む場合については複数のネットワークパスを用意することによって,パターン変動の大きな手書き漢字の認識を行なう。枚回,1000字種を対象にした実験で,97%毎度の認識率を達成した[3,4]。以上,CombNET-IIが分類カテゴリ数の外いパターン認識の識別関数の学習方式として,単純な階層型ニューラルネットワークの限界を超える能力をもっていることを明らかにした。