JP2940933B2 - パターン認識方式 - Google Patents

パターン認識方式

Info

Publication number
JP2940933B2
JP2940933B2 JP1127389A JP12738989A JP2940933B2 JP 2940933 B2 JP2940933 B2 JP 2940933B2 JP 1127389 A JP1127389 A JP 1127389A JP 12738989 A JP12738989 A JP 12738989A JP 2940933 B2 JP2940933 B2 JP 2940933B2
Authority
JP
Japan
Prior art keywords
class
output
neural network
neural
candidate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP1127389A
Other languages
English (en)
Other versions
JPH02306387A (ja
Inventor
健次 福水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP1127389A priority Critical patent/JP2940933B2/ja
Priority to US07/524,271 priority patent/US5060278A/en
Publication of JPH02306387A publication Critical patent/JPH02306387A/ja
Application granted granted Critical
Publication of JP2940933B2 publication Critical patent/JP2940933B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明はニューラルネットを用いた文字等のパターン
認識方式に関する。
〔従来の技術及び解決しようとする課題〕
ニューラルネットによるパターン認識に関して、識別
クラス数分の出力層を持つ階層型ニューラルネットを用
い、入力パターンの属するクラスに対応した出力だけを
１、他のクラスに対応した出力を０とするように学習さ
せ、未知パターンに対し出力が最大値となったクラスを
未知パターンの属するクラスとする方式がある（山田ほ
か；“ニューラルネットを用いた文字認識方式",電子情
報通信学会技報PRU88−58,pp.79−86）。
しかし、出力の最大値によって認識結果を判定するの
で、閾値によらないリジェクトを組み込むことができな
い。また、識別クラス数が多い場合、（１）ニューラル
ネットの総リンク数が増加し、学習が困難となること、
（２）出力の最大値による判定のための適切な識別境界
を得ることが困難になること、（３）本来望んでいる値
と大きくかけ離れた出力に対しても、無理に結果を判定
してしまうこと、等の問題点がある。
また、いくつかの小規模のニューラルネット（サブネ
ット）と、その出力を統合するニューラルネット（スー
パーネット）を階層的に結合し、最終的な出力が識別ク
ラス数だけある大規模なニューラルネットを構築する方
法が提案されている（森；“大規模ニューラルネットワ
ークの構築に向けて",電子情報通信学会技報PRU88−59,
pp.87−94）。
しかし、（１）統合して意味のある情報を統合層への
入力としなければならないこと、（２）識別クラス数が
増加した場合、スーパーネットが大形化し、スーパーネ
ットの統合学習が困難になること、等の問題があり、大
規模で高性能なネットワークの構築が現状では困難であ
る。また、出力値による判定を意図しており、閾値によ
らないリジェクトの処理は考慮されていない。
よって本発明の目的は、ニューラルネットの学習が容
易で、高いクラス識別性能を実現でき、かつ閾値によら
ずにニューラルネット自体にリジェクトを組み込むこと
が可能なニューラルネットによるパターン識別方式を提
供することにある。
〔課題を解決するための手段及び作用〕
本発明によれば、識別するクラスの個数をｎ、各クラ
スをCi（ｉ＝0,1,…,n−１）とすると、各クラスCi毎に
出力層が２個のニューラルネツトNETiを合計ｎ個用意
し、各ニューラルネットNETi毎に、その出力（Ai,Bi）
が、対応クラスCiに属する入力パターンに対して（1,
0）、それ以外の入力パターンに対して（1,0）となるよ
うに学習を行わせる。そして、認識時に全ニューラルネ
ツトNETiを並列に動作させ、未知パターンに対する全出
力（Ai,Bi）に基づいた判定により、未知パターンの属
するクラスを確定し、またはリジェクトする。
すなわち、任意のクラスCiのニューラルネツトNETi
は、未知パターンのクラスをCiと判定した場合、その出
力（Ai,Bi）をAi＞Biとするので、このクラスCiは未知
パターンのクラスを候補にあげる。このような候補が一
つであれば、その候補のクラスを識別結果として確定す
る。候補が一つもなければ、リジェクトする。候補が二
つ以上あるときは、各候補の出力値（Ai）が最大の候補
のクラスを識別結果とする。候補が一つもないときは、
リジェクトとする（閾値によらないリジェクト処理）。
あるいは、候補が一つのときのみクラスを確定し、候
補が０個または２個以上のときにリジェクトとする（閾
値によらないリジェクト処理）。
なお、候補が２個以上の場合に、その候補は限定して
別の識別系のクラスの確定またはリジェクトの判定を行
ってもよい。
〔実施例〕
以下、手書き数字認識に適用した本発明の一実施例に
ついて説明する。
第１図に処理系の概略構成を示す。ニューラルネツト
部10は、クラスCi（０から９の数字）毎の階層型ニュー
ラルネツトNETi（ｉ＝0,1,…,9）を並列にし、一つのニ
ューラルネットとして動作させるようにしたものであ
る。各クラス別ニューラルネットNETiは、入力データが
対応クラスCiに属するか否かを２個の出力層で判定する
もので、その学習は、学習データがクラスCiに属してい
れば出力（Ai,Bi）を（1,0）、属していなければ（0,
1）となる如く行われる。
データ入力部11は、スキャナ12によって手書き数字の
画像を読み取り、前処理部13によって、手書き数字の画
像データを正規化して特徴ベクトルを抽出し、各ニュー
ラルネットNETiに入力する部分である。
判定部14は、ニューラルネット部10の出力よりクラス
の確定またはリジェクトの判定を行う部分である。
認識結果出力部15は、判定部14による判定結果を出力
する部分である。
認識の場合、各ニューラルネットNETiの出力（Ai,B
i）は、入力データ（画像の特徴ベクトル）が対応クラ
スCiに属する可能性が高ければAi＞Biとなり、またその
可能性の度合いが高いほどAiの値は大きい（ただし、Ai
およびBiの最大値は１である）。
判定部14による判定アルゴリズムについては実施例別
に説明する。
実施例１ 判定部14において、Ai＞Biを出力したニューラルネッ
トNETiに対応したクラスCiを候補として選出する。も
し、候補となったクラスが１個の場合、その候補を直ち
に入力データのクラスに確定し、認識結果として認識結
果部15へ送る。２以上のクラスが候補となった場合、そ
れぞれの候補のAiの値を比較し、最大値の候補のクラス
に確定し、認識結果として出力する。候補としてのクラ
スが一つもない場合、判定部14はリジェクトと判定し、
リジェクト・コードを出力する。
例えば第３図に示す手書き数字の画像データの特徴ベ
クトルが入力し、各ニューラルネツトNETiの出力が次表
の如くとなったとする。
第１表 A0＝0.000 B0＝1.000 A1＝0.000 B1＝1.000 A2＝0.000 B2＝1.000 A3＝0.000 B3＝1.000 A4＝0.000 B4＝0.999 A5＝0.000 B5＝1.000 A6＝0.000 B6＝1.000 A7＝0.303 B7＝0.700 A8＝0.000 B8＝1.000 A9＝0.000 B9＝1.000 この場合、全てのクラスCiに対しAi≦Biである、候補
は１個もあがらないので、判定部14はどの数字にも属さ
ないとしてリジェクトする。
また、第４図に示す手書き数字の画像の特徴ベクトル
が入力し、各ニューラルネットNETiの出力が次表の如く
となったとする。
第２表 A0＝0.000 B0＝1.000 A1＝0.000 B1＝1.000 A2＝0.000 B2＝1.000 A3＝0.415 B3＝0.515 A4＝0.000 B4＝1.000 A5＝0.827 B5＝0.173 A6＝0.001 B6＝0.999 A7＝0.000 B7＝1.000 A8＝0.000 B8＝1.000 A9＝0.000 B9＝1.000 この場合、ｉ＝５すなわち数字「５」に対してだけAi
＞Biとなるので、判定部14は「５」と判定する。
また、第５図に示す手書き数字の画像の特徴ベクトル
が入力し、各ニューラルネットNETiの出力が次表の如く
となったとする。
第３表 A0＝0.000 B0＝1.000 A1＝0.917 B1＝0.003 A2＝0.000 B2＝1.000 A3＝0.000 B3＝1.000 A4＝0.000 B4＝1.000 A5＝0.000 B5＝1.000 A6＝0.000 B6＝1.000 A7＝0.624 B7＝0.305 A8＝0.000 B8＝1.000 A9＝0.000 B9＝1.000 この場合、判定部14は「１」と「７」を候補に選び、
A1＞A7であるので「１」と判定することになる。
以上説明した本実施例の処理フローを第２図に示す。
なお、複数の候補があがった場合、小数のクラスを識
別するための別の認識系によって、候補のクラスについ
て最終的な判定を下すようにしてもよい。
実施例２ 判定部14は、候補が１個のときにのみ、その候補を最
終的なクラスに確定し、候補が０個または２個以上のと
きはリジェクトとする。
本実施例の処理フローを第７図に示す。
さて、本発明に係るニューラルネットは、出力層が２
個だけのクラス別ニューラルネットを並列にした構成で
あるので、ニューラルネットの学習および再学習が容易
である。次に、第１図に示したニューラルネットを例に
して再学習方式を説明する。第１図の各ニューラルネッ
トNETiに対して、誤認やリジェクトを登録するため配列
ERRiを用意する。
各クラスに対応する認識テスト用データを９個（一般
的にはクラス数に等しいＮ個）用意し、ある学習データ
Ａで各ニューラルネットNETiを学習させてから、各クラ
スCiの認識テスト用データの認識を順次実行し、認識ま
たはリジェクトとなったときは、その原因となったニュ
ーラルネットNETrを探索し、配列ERRrにその時の認識テ
スト用データを登録する。
例えば第６図に示す画像（手書き数字「２」）の特徴
ベクトルに対して、各ニューラルネットNETiの出力が次
表のようになったとする。
第４表 A0＝0.000 B0＝1.000 A1＝0.000 B1＝1.000 A2＝0.000 B2＝1.000 A3＝0.000 B3＝1.000 A4＝0.000 B4＝1.000 A5＝0.000 B5＝1.000 A6＝0.000 B6＝1.000 A7＝0.044 B7＝0.956 A8＝0.000 B8＝1.000 A9＝0.000 B9＝1.000 この場合、リジェクトになるが、その原因はニューラ
ルネットNET2が誤った出力（A2＜B2）を出したためであ
るので、第６図のデータを配列ERR2に登録する。
全テスト用データについて同様の処理を行った後、誤
認またはリジェクトの原因となったニューラルネットNE
Trに対して、学習データＡと配列ERRrに登録されたデー
タを合せたデータによる再学習を行い、誤認やリジェク
トに対する修正を施すことにより、ニューラルネットを
再構成する。
以上の再学習の処理フローを第８図に示す。
〔発明の効果〕
以上の説明から明らかな如く、本発明によれば各クラ
スに対する学習が容易で、かつ認識率が高くなり、閾値
によらずにニューラルネット自体にリジェクトを組込む
ことが可能となり、その結果、クラス数だけ出力層を用
意する従来方式に比べて認識率を減らすことが可能とな
り、また、認識やリジェクトしたデータに対する補正を
行う場合に、誤った出力を出したクラス別ニューラルネ
ットを簡単に探索し、そのニューラルネットに対してだ
け再学習を行えばよいので、再学習が容易となる等の効
果を達成できる。
【図面の簡単な説明】
第１図は本発明に係る手書き認識処理系の構成図、第２
図は本発明の実施例１の処理フローチャート、第３図か
ら第６図は画像データの一例を示す図、第７図は本発明
の実施例２の処理フローチャート、第８図は再学習の処
理フローチャートである。 10……ニューラルネット部、 11……データニューラルネット部、 14……判定部、15……認識結果出力部、 NETi……クラス別ニューラルネット。
フロントページの続き (56)参考文献 特開 平１−233579（ＪＰ，Ａ) 特開 平１−271888（ＪＰ，Ａ) 特開 平２−242392（ＪＰ，Ａ) 欧州公開328861（ＥＰ，Ａ２) 電子情報通信学会技術研究報告 ＶＯ Ｌ．88，ＮＯ．490，ＩＥ88−129（1989 −３−24) 電子情報通信学会技術研究報告 ＶＯ Ｌ．88，ＮＯ．177，ＰＲＵ88−57 （1988−９−16) 電子情報通信学会技術研究報告 ＶＯ Ｌ．88，ＮＯ．177，ＰＲＵ88−58 （1988−９−16) 電子情報通信学会春季全国大会講演論 文集 ＶＯＬ．1989，Ｐｔ．７，（1989 −３−15），ｐ．７−313〜７−314 (58)調査した分野(Int.Cl.6，ＤＢ名) G06K 9/66 G06T 7/00 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (2)

    (57)【特許請求の範囲】
  1. 【請求項１】識別対象の各クラス毎に出力層が２個のニ
    ューラルネットを用い、各ニューラルネットを、その出
    力（A,B）が、対応クラスに属する入力パターンに対し
    て（1,0）、それ以外の入力パターンに対して（0,1）と
    なるように学習させ、前記出力（A,B）がＡ＞Ｂとなる
    クラスを候補とし、前記候補が１個もないときはリジェ
    クトとすることを特徴とするパターン認識方式。
  2. 【請求項２】識別対象の各クラス毎に出力層が２個のニ
    ューラルネットを用い、各ニューラルネットを、その出
    力（A,B）が、対応クラスに属する入力パターンに対し
    て（1,0）、それ以外の入力パターンに対して（0,1）と
    なるように学習させ、前記出力（A,B）がＡ＞Ｂとなる
    クラスを候補とし、前記候補が１個のときのみクラスを
    確定し、前記候補が０個又は２個以上のときにリジェク
    トとすることを特徴とするパターン認識方式。
JP1127389A 1989-05-20 1989-05-20 パターン認識方式 Expired - Fee Related JP2940933B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP1127389A JP2940933B2 (ja) 1989-05-20 1989-05-20 パターン認識方式
US07/524,271 US5060278A (en) 1989-05-20 1990-05-15 Pattern recognition apparatus using a neural network system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP1127389A JP2940933B2 (ja) 1989-05-20 1989-05-20 パターン認識方式

Publications (2)

Publication Number Publication Date
JPH02306387A JPH02306387A (ja) 1990-12-19
JP2940933B2 true JP2940933B2 (ja) 1999-08-25

Family

ID=14958785

Family Applications (1)

Application Number Title Priority Date Filing Date
JP1127389A Expired - Fee Related JP2940933B2 (ja) 1989-05-20 1989-05-20 パターン認識方式

Country Status (2)

Country Link
US (1) US5060278A (ja)
JP (1) JP2940933B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2945102A1 (en) 2014-05-15 2015-11-18 Ricoh Company, Ltd. Image processing apparatus, method of processing image, and program

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6507779B2 (en) 1995-06-07 2003-01-14 Automotive Technologies International, Inc. Vehicle rear seat monitor
US6856873B2 (en) 1995-06-07 2005-02-15 Automotive Technologies International, Inc. Vehicular monitoring systems using image processing
US6772057B2 (en) 1995-06-07 2004-08-03 Automotive Technologies International, Inc. Vehicular monitoring systems using image processing
US6393133B1 (en) 1992-05-05 2002-05-21 Automotive Technologies International, Inc. Method and system for controlling a vehicular system based on occupancy of the vehicle
US5845000A (en) * 1992-05-05 1998-12-01 Automotive Technologies International, Inc. Optical identification and monitoring system using pattern recognition for use with vehicles
US6553296B2 (en) 1995-06-07 2003-04-22 Automotive Technologies International, Inc. Vehicular occupant detection arrangements
US6442465B2 (en) 1992-05-05 2002-08-27 Automotive Technologies International, Inc. Vehicular component control systems and methods
EP0411341A3 (en) * 1989-07-10 1992-05-13 Yozan Inc. Neural network
FR2658336A1 (fr) * 1990-02-09 1991-08-16 Philips Electronique Lab Procede d'apprentissage d'un reseau de neurones en couches pour classification multiclasses et reseau de neurones en couches.
JPH03288285A (ja) * 1990-04-04 1991-12-18 Takayama:Kk データ処理装置の学習方法
FR2661265B1 (fr) * 1990-04-24 1994-07-29 Thomson Csf Systeme neuronal de classification et procede de classification utilisant un tel systeme.
US5309525A (en) * 1990-06-14 1994-05-03 Canon Kabushiki Kaisha Image processing apparatus using neural network
US5155801A (en) * 1990-10-09 1992-10-13 Hughes Aircraft Company Clustered neural networks
JP2763398B2 (ja) * 1990-11-20 1998-06-11 キヤノン株式会社 パターン認識装置
US5181254A (en) * 1990-12-14 1993-01-19 Westinghouse Electric Corp. Method for automatically identifying targets in sonar images
US5214747A (en) * 1990-12-24 1993-05-25 Eastman Kodak Company Segmented neural network with daisy chain control
DE4100500A1 (de) * 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Signalverarbeitungsanordnung zur klassifizierung von objekten aufgrund der signale von sensoren
US5214715A (en) * 1991-01-31 1993-05-25 Trustees Of Boston University Predictive self-organizing neural network
JP3088171B2 (ja) * 1991-02-12 2000-09-18 三菱電機株式会社 自己組織型パタ−ン分類システム及び分類方法
US5239594A (en) * 1991-02-12 1993-08-24 Mitsubishi Denki Kabushiki Kaisha Self-organizing pattern classification neural network system
US5321795A (en) * 1991-05-24 1994-06-14 Alvarez De Toledo Santiago Pattern association central subsystem and a perception learning system
US5303330A (en) * 1991-06-03 1994-04-12 Bell Communications Research, Inc. Hybrid multi-layer neural networks
US5500905A (en) * 1991-06-12 1996-03-19 Microelectronics And Computer Technology Corporation Pattern recognition neural network with saccade-like operation
JPH07117950B2 (ja) * 1991-09-12 1995-12-18 株式会社エイ・ティ・アール視聴覚機構研究所 パターン認識装置およびパターン学習装置
US5598508A (en) * 1991-10-18 1997-01-28 Goldman; Julian M. Real-time waveform analysis using artificial neural networks
US6418424B1 (en) 1991-12-23 2002-07-09 Steven M. Hoffberg Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US6850252B1 (en) 1999-10-05 2005-02-01 Steven M. Hoffberg Intelligent electronic appliance system and method
US5903454A (en) 1991-12-23 1999-05-11 Hoffberg; Linda Irene Human-factored interface corporating adaptive pattern recognition based controller apparatus
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US6400996B1 (en) 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
US10361802B1 (en) 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US5276771A (en) * 1991-12-27 1994-01-04 R & D Associates Rapidly converging projective neural network
US5402520A (en) * 1992-03-06 1995-03-28 Schnitta; Bonnie S. Neural network method and apparatus for retrieving signals embedded in noise and analyzing the retrieved signals
EP0566015A3 (en) * 1992-04-14 1994-07-06 Eastman Kodak Co Neural network optical character recognition system and method for classifying characters in amoving web
US7788008B2 (en) * 1995-06-07 2010-08-31 Automotive Technologies International, Inc. Eye monitoring system and method for vehicular occupants
JPH05342191A (ja) * 1992-06-08 1993-12-24 Mitsubishi Electric Corp 経済時系列データ予測及び解析システム
EP1199675B1 (en) * 1992-06-19 2004-10-13 United Parcel Service Of America, Inc. Method and apparatus for adjusting a neuron
US5438629A (en) * 1992-06-19 1995-08-01 United Parcel Service Of America, Inc. Method and apparatus for input classification using non-spherical neurons
GB9214514D0 (en) * 1992-07-08 1992-08-19 Massachusetts Inst Technology Information processing
US5555317A (en) * 1992-08-18 1996-09-10 Eastman Kodak Company Supervised training augmented polynomial method and apparatus for character recognition
US5598509A (en) * 1992-08-28 1997-01-28 Hitachi, Ltd. Method of configuring a neural network and a diagnosis/recognition system using the same
US5627941A (en) * 1992-08-28 1997-05-06 Hitachi, Ltd. Method of configuring a neural network and a diagnosis/control system using the neural network
JP2723118B2 (ja) * 1992-08-31 1998-03-09 インターナショナル・ビジネス・マシーンズ・コーポレイション ２次元オブジェクトの認識に用いるためのニューラル・ネットワーク及び光学式文字認識装置
US5319722A (en) * 1992-10-01 1994-06-07 Sony Electronics, Inc. Neural network for character recognition of rotated characters
US5742702A (en) * 1992-10-01 1998-04-21 Sony Corporation Neural network for character recognition and verification
US5479570A (en) * 1992-10-06 1995-12-26 Matsushita Electric Industrial Co., Ltd. Learning and recognition machine
JPH06203005A (ja) * 1992-10-27 1994-07-22 Eastman Kodak Co 高速区分化ニューラルネットワーク及びその構築方法
WO1994010635A2 (en) * 1992-11-02 1994-05-11 Boston University Neural networks with subdivision
EP0602717B1 (fr) * 1992-12-16 1997-10-01 Laboratoires D'electronique Philips S.A.S. Dispositif neuronal et procédé pour le construire
EP0663644B1 (en) * 1994-01-13 2002-09-18 STMicroelectronics S.r.l. Alphanumeric characters images recognizing system
US6118886A (en) * 1993-03-30 2000-09-12 The United States Of America As Represented By The United States Department Of Energy Automatic target recognition apparatus and method
US5479574A (en) * 1993-04-01 1995-12-26 Nestor, Inc. Method and apparatus for adaptive classification
JP3209297B2 (ja) * 1993-04-23 2001-09-17 新日本製鐵株式会社 表面疵判別装置
JP2522154B2 (ja) * 1993-06-03 1996-08-07 日本電気株式会社 音声認識システム
US5426721A (en) * 1993-06-17 1995-06-20 Board Of Supervisors Of Louisiana State University And Agricultural And Mechanical College Neural networks and methods for training neural networks
US5457770A (en) * 1993-08-19 1995-10-10 Kabushiki Kaisha Meidensha Speaker independent speech recognition system and method using neural network and/or DP matching technique
JP2673871B2 (ja) * 1993-08-26 1997-11-05 日本アイ・ビー・エム株式会社 ニューラル・ネットワークによるパターン認識方法及び装置
DE69410191T2 (de) * 1993-08-26 1998-09-24 Canon Kk Auf Übergangspegeldaten basierte OCR-Klassifikation
GB2284293B (en) * 1993-11-30 1998-06-03 Mars Inc Article classifying method and apparatus
US5493619A (en) * 1994-03-11 1996-02-20 Haley; Paul H. Normalization method for eliminating false detections in side scan sonar images
US5493539A (en) * 1994-03-11 1996-02-20 Westinghouse Electric Corporation Two-stage detection and discrimination system for side scan sonar equipment
EP0694854B1 (en) * 1994-07-28 2002-06-05 International Business Machines Corporation Improved neural semiconductor chip architectures and neural networks incorporated therein
JPH0943058A (ja) * 1995-05-23 1997-02-14 Olympus Optical Co Ltd 色分類装置及び色むら検査装置
US6026177A (en) * 1995-08-29 2000-02-15 The Hong Kong University Of Science & Technology Method for identifying a sequence of alphanumeric characters
US5761385A (en) * 1995-09-05 1998-06-02 Loral Defense Systems Product and method for extracting image data
US5909681A (en) * 1996-03-25 1999-06-01 Torrent Systems, Inc. Computer system and computerized method for partitioning data for parallel processing
TW376492B (en) * 1997-08-06 1999-12-11 Nippon Telegraph & Telephone Methods for extraction and recognition of pattern in an image, method for image abnormality judging, and memory medium with image processing programs
US6058206A (en) * 1997-12-01 2000-05-02 Kortge; Chris Alan Pattern recognizer with independent feature learning
US6054710A (en) * 1997-12-18 2000-04-25 Cypress Semiconductor Corp. Method and apparatus for obtaining two- or three-dimensional information from scanning electron microscopy
US7966078B2 (en) 1999-02-01 2011-06-21 Steven Hoffberg Network media appliance system and method
JP3818086B2 (ja) * 2001-06-01 2006-09-06 株式会社日立製作所 同期モータの駆動装置
US7379559B2 (en) * 2003-05-28 2008-05-27 Trw Automotive U.S. Llc Method and apparatus for determining an occupant's head location in an actuatable occupant restraining system
US20050196015A1 (en) * 2004-03-02 2005-09-08 Trw Automotive U.S. Llc Method and apparatus for tracking head candidate locations in an actuatable occupant restraining system
US7826464B2 (en) * 2007-01-10 2010-11-02 Mikhail Fedorov Communication system
US8218904B2 (en) * 2008-08-27 2012-07-10 Lockheed Martin Corporation Method and system for circular to horizontal transposition of an image
JP5640773B2 (ja) * 2011-01-28 2014-12-17 富士通株式会社 情報照合装置、情報照合方法および情報照合プログラム
TR201514432T1 (tr) * 2013-06-21 2016-11-21 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi Veri̇ni̇n i̇leri̇ beslemeli̇ si̇ni̇r aği mi̇mari̇si̇ kullanilarak yalanci-yi̇neleme i̇le i̇şlenmesi̇ i̇çi̇n yöntem
JP2017091431A (ja) * 2015-11-17 2017-05-25 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
US10733503B2 (en) * 2016-02-18 2020-08-04 Intel Corporation Technologies for shifted neural networks
US20180165845A1 (en) * 2016-12-09 2018-06-14 Free Construction Sp. Z o.o. Method of Analysis of Visualised Data
PL419759A1 (pl) 2016-12-09 2018-06-18 Free Construction Spółka Z Ograniczoną Odpowiedzialnością Sposób analizy zwizualizowanych danych
CN111067505A (zh) * 2019-12-25 2020-04-28 北京多唯阳光科技有限责任公司 心律失常检测的方法、装置以及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4326259A (en) * 1980-03-27 1982-04-20 Nestor Associates Self organizing general pattern class separator and identifier
US4760604A (en) * 1985-02-15 1988-07-26 Nestor, Inc. Parallel, multi-unit, adaptive, nonlinear pattern class separator and identifier
US4805225A (en) * 1986-11-06 1989-02-14 The Research Foundation Of The State University Of New York Pattern recognition method and apparatus
US4958375A (en) * 1988-02-17 1990-09-18 Nestor, Inc. Parallel, multi-unit, adaptive pattern classification system using inter-unit correlations and an intra-unit class separator methodology
US4876731A (en) * 1988-02-19 1989-10-24 Nynex Corporation Neural network model in pattern recognition using probabilistic contextual information
US4965725B1 (en) * 1988-04-08 1996-05-07 Neuromedical Systems Inc Neural network based automated cytological specimen classification system and method

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
電子情報通信学会技術研究報告 ＶＯＬ．８８，ＮＯ．１７７，ＰＲＵ８８−５７（１９８８−９−１６）
電子情報通信学会技術研究報告 ＶＯＬ．８８，ＮＯ．１７７，ＰＲＵ８８−５８（１９８８−９−１６）
電子情報通信学会技術研究報告 ＶＯＬ．８８，ＮＯ．４９０，ＩＥ８８−１２９（１９８９−３−２４）
電子情報通信学会春季全国大会講演論文集 ＶＯＬ．１９８９，Ｐｔ．７，（１９８９−３−１５），ｐ．７−３１３〜７−３１４

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2945102A1 (en) 2014-05-15 2015-11-18 Ricoh Company, Ltd. Image processing apparatus, method of processing image, and program
US9911067B2 (en) 2014-05-15 2018-03-06 Ricoh Company, Ltd. Image processing apparatus, method of processing image, and program

Also Published As

Publication number Publication date
JPH02306387A (ja) 1990-12-19
US5060278A (en) 1991-10-22

Similar Documents

Publication Publication Date Title
JP2940933B2 (ja) パターン認識方式
Bajaj et al. Devnagari numeral recognition by combining decision of multiple connectionist classifiers
Suen et al. Computer recognition of unconstrained handwritten numerals
JP3088171B2 (ja) 自己組織型パタ−ン分類システム及び分類方法
Zhang et al. Face recognition using artificial neural network group-based adaptive tolerance (GAT) trees
CN111046774A (zh) 一种基于卷积神经网络的中文签名笔迹鉴定方法
CN111143842A (zh) 一种恶意代码检测方法及系统
CN110069959A (zh) 一种人脸检测方法、装置及用户设备
CN110688888A (zh) 一种基于深度学习的行人属性识别方法和系统
CN110163206B (zh) 车牌识别方法、系统、存储介质和装置
CN112925710B (zh) 一种基于梯度下降优化的模糊测试方法
CN111723628B (zh) 人物重识别方法、人物重识别系统及影像筛选方法
Teredesai et al. Active handwritten character recognition using genetic programming
CN111666985B (zh) 一种基于dropout的深度学习对抗样本图像分类防御方法
Chi et al. Handwritten digit recognition using combined ID3-derived fuzzy rules and Markov chains
Khotanzad et al. Hand written digit recognition using BKS combination of neural network classifiers
JPH03294983A (ja) 文字認識装置
Ebrahimpour et al. Mixture of Experts for Persian handwritten word recognition
JP3485420B2 (ja) 大規模ニューラルネットワーク構築装置
JP2778194B2 (ja) パターン認識方法および装置
JPH04260987A (ja) 文字認識装置
Woo et al. Development of Integrated System of Divided Prediction Results for Disease Classification
JPH02300876A (ja) 文字認識装置
JP3109476B2 (ja) 候補数制御機能付き文字認識装置及び方法
JPH05258114A (ja) 文字認識装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees