JPH08153081A - 信号認識方法 - Google Patents
信号認識方法Info
- Publication number
- JPH08153081A JPH08153081A JP6296732A JP29673294A JPH08153081A JP H08153081 A JPH08153081 A JP H08153081A JP 6296732 A JP6296732 A JP 6296732A JP 29673294 A JP29673294 A JP 29673294A JP H08153081 A JPH08153081 A JP H08153081A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- input
- recognition
- coefficient
- output
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【目的】 認識対象ごとに試行錯誤なく特徴量を生成す
る信号認識方法を提供することを目的とする。 【構成】 信号変換手段１ｂと信号圧縮手段１ｂと信号
伸張手段１ｃと信号逆変換手段１ｅで再帰的に特徴量を
生成し、前記特徴量を用いて認識手段１ｇが認識を行
う。
る信号認識方法を提供することを目的とする。 【構成】 信号変換手段１ｂと信号圧縮手段１ｂと信号
伸張手段１ｃと信号逆変換手段１ｅで再帰的に特徴量を
生成し、前記特徴量を用いて認識手段１ｇが認識を行
う。
Description
【０００１】
【産業上の利用分野】本発明は入力した信号が属するカ
テゴリーの認識を行なう信号認識方法に関するものであ
る。
テゴリーの認識を行なう信号認識方法に関するものであ
る。
【０００２】
【従来の技術】従来の信号認識方法を画像信号を入力と
した形状認識を例として説明する。図７（ａ）に形状認
識の対象とする形状の例を示し、図８に認識対象の形状
を学習する場合のフローチャートを示す。
した形状認識を例として説明する。図７（ａ）に形状認
識の対象とする形状の例を示し、図８に認識対象の形状
を学習する場合のフローチャートを示す。
【０００３】図８では入力した画像信号に対し対象とな
る形状（図では☆印）のを含む領域を図７（ｂ）のよう
に格子状に分割を行なう。図では４×４＝１６に分割し
ている。次に、分割した領域ごとに、図７（ｃ）のよう
にｘ−ｙ座標を想定し、図７（ｄ）に示すような予め定
めた特徴量Ｆ1,Ｆ2,Ｆ3を計算する。ここでＤ(x,y)は座
標(x,y)における信号強度（画像の輝度）を表し、Ｆ1は
分割した領域内の信号強度の和, Ｆ2は分割した領域内
のｘ軸方向の微分の和, Ｆ3は分割した領域内のｙ軸方
向の微分の和を表す。
る形状（図では☆印）のを含む領域を図７（ｂ）のよう
に格子状に分割を行なう。図では４×４＝１６に分割し
ている。次に、分割した領域ごとに、図７（ｃ）のよう
にｘ−ｙ座標を想定し、図７（ｄ）に示すような予め定
めた特徴量Ｆ1,Ｆ2,Ｆ3を計算する。ここでＤ(x,y)は座
標(x,y)における信号強度（画像の輝度）を表し、Ｆ1は
分割した領域内の信号強度の和, Ｆ2は分割した領域内
のｘ軸方向の微分の和, Ｆ3は分割した領域内のｙ軸方
向の微分の和を表す。
【０００４】ｎ番目の分割領域の特徴量をＦn1,Ｆn2,Ｆ
n3と表すと、全分割領域について特徴量Ｆ11,Ｆ12,Ｆ1
3,Ｆ21,Ｆ22,Ｆ23,,,,,,,,Ｆ161,Ｆ162,Ｆ163が得られ
る。ここで前記４８（＝３×１６）個の数値から成る特
徴量を特徴量ベクトルと呼ぶ。図７（ｅ）に特徴量ベク
トルの例を示す。特徴量ベクトルを対象形状のカテゴリ
ー（図では星（☆）印）に対する代表ベクトルとして記
憶する。複数の入力信号（☆印や丸（○）印など）に対
して同様の処理を行ない、認識対象とする形状のカテゴ
リーごとに代表ベクトルを計算して記憶する。同じカテ
ゴリーで異なる形状の画像信号を複数入力した場合は、
特徴量ベクトルの平均ベクトルを代表ベクトルとして記
憶する。
n3と表すと、全分割領域について特徴量Ｆ11,Ｆ12,Ｆ1
3,Ｆ21,Ｆ22,Ｆ23,,,,,,,,Ｆ161,Ｆ162,Ｆ163が得られ
る。ここで前記４８（＝３×１６）個の数値から成る特
徴量を特徴量ベクトルと呼ぶ。図７（ｅ）に特徴量ベク
トルの例を示す。特徴量ベクトルを対象形状のカテゴリ
ー（図では星（☆）印）に対する代表ベクトルとして記
憶する。複数の入力信号（☆印や丸（○）印など）に対
して同様の処理を行ない、認識対象とする形状のカテゴ
リーごとに代表ベクトルを計算して記憶する。同じカテ
ゴリーで異なる形状の画像信号を複数入力した場合は、
特徴量ベクトルの平均ベクトルを代表ベクトルとして記
憶する。
【０００５】図９は形状を認識する場合のフローチャー
トを示す。特徴量ベクトルの算出までは図８と同様であ
る。次に計算した特徴量ベクトルと既に記憶している代
表ベクトルとの比較を行なう。記憶してある代表ベクト
ルのうち入力信号の特徴ベクトルと最も近い代表ベクト
ルが対応するカテゴリーを認識結果とする。ここでベク
トル同士の遠近の比較はベクトル間の距離計算で行な
う。
トを示す。特徴量ベクトルの算出までは図８と同様であ
る。次に計算した特徴量ベクトルと既に記憶している代
表ベクトルとの比較を行なう。記憶してある代表ベクト
ルのうち入力信号の特徴ベクトルと最も近い代表ベクト
ルが対応するカテゴリーを認識結果とする。ここでベク
トル同士の遠近の比較はベクトル間の距離計算で行な
う。
【０００６】
【発明が解決しようとする課題】しかしながら上記のよ
うな従来の方法では、認識を行なう対象（例では形状）
が変わるたびに認識に適した特徴量を試行錯誤して決め
なければならないという課題を有していた。
うな従来の方法では、認識を行なう対象（例では形状）
が変わるたびに認識に適した特徴量を試行錯誤して決め
なければならないという課題を有していた。
【０００７】本発明は従来の上記のような方法によるこ
のような課題を考慮し、対象となる信号を用いて自動的
に特徴量を生成し、学習・認識を行なう信号認識方法を
提供することを目的とする。
のような課題を考慮し、対象となる信号を用いて自動的
に特徴量を生成し、学習・認識を行なう信号認識方法を
提供することを目的とする。
【０００８】
【課題を解決するための手段】本発明は、入力信号の中
からＮ個の部分信号を切り出す信号切り出し手段と、予
め定めた変換を施す信号変換手段と、予め定めた手法に
基づき信号圧縮を行う信号圧縮手段と、予め定めた手法
に基づき信号の伸長を行う信号伸長手段と、予め定めた
変換を施す信号逆変換手段と、前記信号変換手段に入力
した信号と前記信号逆変換手段で変換した信号との差ま
たは前記信号圧縮手段に入力した信号と前記信号伸長手
段で変換した信号との誤差を算出する誤差算出手段と、
認識手段とを有し、下記の（イ）の処理を繰り返した後
に、前記信号変換手段の出力を前記認識手段に入力し、
前記信号切り出し手段に入力した信号が属するカテゴリ
ーを認識手段が判断する信号認識方法である。
からＮ個の部分信号を切り出す信号切り出し手段と、予
め定めた変換を施す信号変換手段と、予め定めた手法に
基づき信号圧縮を行う信号圧縮手段と、予め定めた手法
に基づき信号の伸長を行う信号伸長手段と、予め定めた
変換を施す信号逆変換手段と、前記信号変換手段に入力
した信号と前記信号逆変換手段で変換した信号との差ま
たは前記信号圧縮手段に入力した信号と前記信号伸長手
段で変換した信号との誤差を算出する誤差算出手段と、
認識手段とを有し、下記の（イ）の処理を繰り返した後
に、前記信号変換手段の出力を前記認識手段に入力し、
前記信号切り出し手段に入力した信号が属するカテゴリ
ーを認識手段が判断する信号認識方法である。
【０００９】（イ）複数の入力信号を前記信号切り出し
手段に入力し、前記入力信号ごとに下記の（１）から
（５）までの処理を繰返し行い、前記誤差算出手段の算
出する誤差が予め定めた条件を満たした場合に、前記信
号変換手段および前記信号圧縮手段における一連の信号
処理手続きを前記信号変換手段に置き換え、前記信号伸
長手段および前記信号逆変換手段における一連の信号処
理手続きを前記信号逆変換手段に置き換え、新たに信号
圧縮手段と信号伸長手段を設ける。 （１）前記信号切り出し手段で入力信号の中から切り出
したＮ個の部分信号ごとに前記信号変換手段で予め定め
た変換を施す。 （２）前記信号変換手段で変換した後のＮ個の変換信号
すべてを前記信号圧縮手段で信号圧縮を行う。 （３）前記信号圧縮手段で圧縮した圧縮信号を前記信号
伸長手段でＮ個の信号に伸長する。 （４）前記信号伸長手段で伸長したＮ個の伸長信号ごと
前記信号逆変換手段で予め定めた変換を施す。 （５）前記信号圧縮手段の信号圧縮の方法および前記信
号伸長手段の信号伸長の方法を変更する。
手段に入力し、前記入力信号ごとに下記の（１）から
（５）までの処理を繰返し行い、前記誤差算出手段の算
出する誤差が予め定めた条件を満たした場合に、前記信
号変換手段および前記信号圧縮手段における一連の信号
処理手続きを前記信号変換手段に置き換え、前記信号伸
長手段および前記信号逆変換手段における一連の信号処
理手続きを前記信号逆変換手段に置き換え、新たに信号
圧縮手段と信号伸長手段を設ける。 （１）前記信号切り出し手段で入力信号の中から切り出
したＮ個の部分信号ごとに前記信号変換手段で予め定め
た変換を施す。 （２）前記信号変換手段で変換した後のＮ個の変換信号
すべてを前記信号圧縮手段で信号圧縮を行う。 （３）前記信号圧縮手段で圧縮した圧縮信号を前記信号
伸長手段でＮ個の信号に伸長する。 （４）前記信号伸長手段で伸長したＮ個の伸長信号ごと
前記信号逆変換手段で予め定めた変換を施す。 （５）前記信号圧縮手段の信号圧縮の方法および前記信
号伸長手段の信号伸長の方法を変更する。
【００１０】
【作用】本発明は、信号切り出し手段で入力信号の中か
らＮ個の部分信号を切り出し、信号変換手段で前記Ｎ個
に信号を予め定めた変換を施し、信号圧縮手段で前記変
換を予め定めた手法に基づき信号圧縮し、信号伸長手段
で前記圧縮信号を予め定めた手法でＮ個の信号に伸長
し、信号逆変換手段で前記Ｎ個の伸長信号に予め定めた
変換を施す。誤差算出手段で、前記信号変換手段に入力
した信号と前記信号逆変換手段で変換した信号との差、
または前記信号圧縮手段に入力した信号と前記信号伸長
手段で変換した信号との誤差を算出し、処理(イ)を繰り
返した後に、前記認識手段が前記信号変換手段の出力を
入力として前記信号切り出し手段に入力した信号が属す
るカテゴリーを判断する。このようにして、特徴量を対
象となる信号の種類に応じて予め決める必要もなく入力
信号の学習・認識を行なう。
らＮ個の部分信号を切り出し、信号変換手段で前記Ｎ個
に信号を予め定めた変換を施し、信号圧縮手段で前記変
換を予め定めた手法に基づき信号圧縮し、信号伸長手段
で前記圧縮信号を予め定めた手法でＮ個の信号に伸長
し、信号逆変換手段で前記Ｎ個の伸長信号に予め定めた
変換を施す。誤差算出手段で、前記信号変換手段に入力
した信号と前記信号逆変換手段で変換した信号との差、
または前記信号圧縮手段に入力した信号と前記信号伸長
手段で変換した信号との誤差を算出し、処理(イ)を繰り
返した後に、前記認識手段が前記信号変換手段の出力を
入力として前記信号切り出し手段に入力した信号が属す
るカテゴリーを判断する。このようにして、特徴量を対
象となる信号の種類に応じて予め決める必要もなく入力
信号の学習・認識を行なう。
【００１１】
【実施例】以下、本発明の実施例について図面を参照し
て説明する。一般に信号認識方法に入力する信号として
は、音声などの時系列信号、文字・画像などの空間信号
などがあるが、本発明においては、いずれの信号でも構
わない。
て説明する。一般に信号認識方法に入力する信号として
は、音声などの時系列信号、文字・画像などの空間信号
などがあるが、本発明においては、いずれの信号でも構
わない。
【００１２】図１は、本発明の認識方法の第一の実施例
のブロック図を示すものである。図１において１ａは信
号切り出し手段、１ｂ1〜１ｂNは信号変換手段、１ｃは
信号圧縮手段、１ｃ１は圧縮係数記憶手段、１ｄは信号
伸長手段、１ｄ１は伸長係数記憶手段、１ｅ1〜１ｅNは
信号逆変換手段、１ｆは誤差算出手段、１ｇは認識手
段、１ｇ１は認識係数記憶手段、１ｈは教師信号発生手
段である。図２は本発明の認識方法の第一の実施例のフ
ローチャートを示すものである。
のブロック図を示すものである。図１において１ａは信
号切り出し手段、１ｂ1〜１ｂNは信号変換手段、１ｃは
信号圧縮手段、１ｃ１は圧縮係数記憶手段、１ｄは信号
伸長手段、１ｄ１は伸長係数記憶手段、１ｅ1〜１ｅNは
信号逆変換手段、１ｆは誤差算出手段、１ｇは認識手
段、１ｇ１は認識係数記憶手段、１ｈは教師信号発生手
段である。図２は本発明の認識方法の第一の実施例のフ
ローチャートを示すものである。
【００１３】図２に示すように、処理２１で新しい信号
を信号切り出し手段１ａに入力し、処理２２では信号切
り出し手段１ａが前記信号の中からＮ個の部分領域を切
り出し、Ｎ個の信号変換手段１ｂ1〜１ｂNにそれぞれ入
力する。処理２３で前記信号変換手段は切り出した信号
に予め定めた変換を施して出力する。処理２４で信号圧
縮手段１ｃは、圧縮係数記憶手段１ｃ１が保持する係数
を用いて前記信号変換手段の出力した変換信号を予め定
めた方法で信号圧縮する。処理２５では、信号伸長手段
１ｄが伸長係数記憶手段１ｄ１が保持する係数を用いて
信号圧縮手段１ｃが圧縮した信号をＮ個の信号に伸長す
る。処理２６では、Ｎ個の信号逆変換手段が処理２５で
伸長したＮ個の信号にそれぞれ予め定めた変換を施した
値を出力する。
を信号切り出し手段１ａに入力し、処理２２では信号切
り出し手段１ａが前記信号の中からＮ個の部分領域を切
り出し、Ｎ個の信号変換手段１ｂ1〜１ｂNにそれぞれ入
力する。処理２３で前記信号変換手段は切り出した信号
に予め定めた変換を施して出力する。処理２４で信号圧
縮手段１ｃは、圧縮係数記憶手段１ｃ１が保持する係数
を用いて前記信号変換手段の出力した変換信号を予め定
めた方法で信号圧縮する。処理２５では、信号伸長手段
１ｄが伸長係数記憶手段１ｄ１が保持する係数を用いて
信号圧縮手段１ｃが圧縮した信号をＮ個の信号に伸長す
る。処理２６では、Ｎ個の信号逆変換手段が処理２５で
伸長したＮ個の信号にそれぞれ予め定めた変換を施した
値を出力する。
【００１４】処理２７で誤差算出手段１ｆが信号切り出
し手段１ａが切り出した部分信号と前記信号逆変換手段
が出力した信号との差、または信号圧縮手段１ｃに入力
した信号と信号伸長手段１ｄで変換した信号との誤差を
算出する。判断処理２８では誤差算出手段１ｆが算出し
た誤差の値が予め定めた基準値１よりも大きい場合に
は、圧縮係数記憶手段１ｃ１および前記伸長の保持する
係数を変化させる。判断処理２１０で誤差が予め定めた
基準値２以下の場合、前記信号変換手段と信号圧縮手段
１ｃを新たな信号変換手段とし、信号伸長手段１ｄと前
記信号逆変換手段を新たな信号逆変換手段とし（処理２
１３）、判断処理２１１で前記信号変換手段の置き換え
回数が基準回数以下の場合には２１からの手順を繰り返
す。
し手段１ａが切り出した部分信号と前記信号逆変換手段
が出力した信号との差、または信号圧縮手段１ｃに入力
した信号と信号伸長手段１ｄで変換した信号との誤差を
算出する。判断処理２８では誤差算出手段１ｆが算出し
た誤差の値が予め定めた基準値１よりも大きい場合に
は、圧縮係数記憶手段１ｃ１および前記伸長の保持する
係数を変化させる。判断処理２１０で誤差が予め定めた
基準値２以下の場合、前記信号変換手段と信号圧縮手段
１ｃを新たな信号変換手段とし、信号伸長手段１ｄと前
記信号逆変換手段を新たな信号逆変換手段とし（処理２
１３）、判断処理２１１で前記信号変換手段の置き換え
回数が基準回数以下の場合には２１からの手順を繰り返
す。
【００１５】判断処理２１０で誤差が基準値２をこえ、
かつ判断処理２１１で前記圧縮係数と前記伸長係数の値
の変更の回数が予め定めた回数をこえた場合には信号切
り出し手段１ａが切り出す領域範囲を変更し（処理２１
２）、処理２１からの手順を繰り返す。判断処理２１０
で誤差が基準値２をこえ、かつ判断処理２１１で前記圧
縮係数と前記伸長係数の値の変更の回数が予め定めた回
数以下の場合には処理２１からの手順を繰り返す。
かつ判断処理２１１で前記圧縮係数と前記伸長係数の値
の変更の回数が予め定めた回数をこえた場合には信号切
り出し手段１ａが切り出す領域範囲を変更し（処理２１
２）、処理２１からの手順を繰り返す。判断処理２１０
で誤差が基準値２をこえ、かつ判断処理２１１で前記圧
縮係数と前記伸長係数の値の変更の回数が予め定めた回
数以下の場合には処理２１からの手順を繰り返す。
【００１６】判断処理２１４で信号手段の置き換え回数
が基準回数を越えた場合には、処理２１５で信号変換手
段の出力を認識手段１ｇへの入力とし、処理２１６で認
識手段１ｇは信号切り出し手段１ａに入力した信号に対
して前記信号が属するカテゴリーを出力できるように学
習を行なう。簡単な学習としては、認識手段１ｇへの入
力となる数値の集合を１つのベクトルとし、認識の対象
となるカテゴリーごとに平均ベクトルを計算して認識係
数記憶手段１ｇ１に保持する。認識時には、認識手段１
ｇへの入力ベクトルと認識係数記憶手段１ｇ１に保持す
る各カテゴリーごとの平均ベクトルとの距離を計算し、
最も距離の近いベクトルが対応するカテゴリーを認識結
果とする。
が基準回数を越えた場合には、処理２１５で信号変換手
段の出力を認識手段１ｇへの入力とし、処理２１６で認
識手段１ｇは信号切り出し手段１ａに入力した信号に対
して前記信号が属するカテゴリーを出力できるように学
習を行なう。簡単な学習としては、認識手段１ｇへの入
力となる数値の集合を１つのベクトルとし、認識の対象
となるカテゴリーごとに平均ベクトルを計算して認識係
数記憶手段１ｇ１に保持する。認識時には、認識手段１
ｇへの入力ベクトルと認識係数記憶手段１ｇ１に保持す
る各カテゴリーごとの平均ベクトルとの距離を計算し、
最も距離の近いベクトルが対応するカテゴリーを認識結
果とする。
【００１７】図３〜図７を用いて更に具体的な説明を行
なう。認識の対象は画像信号とし、図７（ａ）で示した
２種類の図形（☆印と○印）の学習・認識を行なう。
なう。認識の対象は画像信号とし、図７（ａ）で示した
２種類の図形（☆印と○印）の学習・認識を行なう。
【００１８】図３（ａ）は信号切り出し手段の切り出す
信号領域の一実施例を示す。図では信号切り出し手段が
１〜４の番号が付いた４つの矩形の領域を切り出してい
る。切り出し手段は各番号の領域の画像を数値化して信
号変換手段へ出力する。数値化は各番号の領域内での黒
色の占める割合や黒画素があれば１なければ０で表すこ
となどによって行なう。また、信号切り出し手段は図の
ように１つの図形に対してその図形を含む複数の領域を
切り出す。
信号領域の一実施例を示す。図では信号切り出し手段が
１〜４の番号が付いた４つの矩形の領域を切り出してい
る。切り出し手段は各番号の領域の画像を数値化して信
号変換手段へ出力する。数値化は各番号の領域内での黒
色の占める割合や黒画素があれば１なければ０で表すこ
となどによって行なう。また、信号切り出し手段は図の
ように１つの図形に対してその図形を含む複数の領域を
切り出す。
【００１９】図３（ｂ）は、本発明の認識手段の第二の
実施例のブロック図を示すものである。図３（ｂ）にお
いて、３ａは信号切り出し手段、３ｂ1〜３ｂ4は信号変
換手段、３ｃは信号圧縮手段、３ｃ１は圧縮係数記憶手
段、３ｄは信号伸長手段、３ｄ１は伸長係数記憶手段、
３ｅ1〜３ｅ4は信号逆変換手段、３ｆは誤差算出手段で
ある。また、３ｇは認識手段、３ｇ１は認識係数記憶手
段、３ｈは教師信号発生手段である。
実施例のブロック図を示すものである。図３（ｂ）にお
いて、３ａは信号切り出し手段、３ｂ1〜３ｂ4は信号変
換手段、３ｃは信号圧縮手段、３ｃ１は圧縮係数記憶手
段、３ｄは信号伸長手段、３ｄ１は伸長係数記憶手段、
３ｅ1〜３ｅ4は信号逆変換手段、３ｆは誤差算出手段で
ある。また、３ｇは認識手段、３ｇ１は認識係数記憶手
段、３ｈは教師信号発生手段である。
【００２０】以下学習動作を説明する。信号切り出し手
段３ａは図３（ａ）のように１〜４の番号のついた領域
を切り出し、各領域内で黒色の占める割合の値を同じ番
号の信号変換手段に出力する。信号変換手段３ｂ1〜３
ｂ4は最も簡単な変換として、入力をそのまま出力とす
る。なお前記変換手段の行なう変換にはＫ−Ｌ変換など
を用いても良い。信号圧縮手段３ｃおよび信号伸長手段
３ｄは、５層パーセプトロン型のニューラルネットワー
クで構成し、１層目から３層目までを信号圧縮手段、３
層目から５層目までを信号伸長手段として用いる。
段３ａは図３（ａ）のように１〜４の番号のついた領域
を切り出し、各領域内で黒色の占める割合の値を同じ番
号の信号変換手段に出力する。信号変換手段３ｂ1〜３
ｂ4は最も簡単な変換として、入力をそのまま出力とす
る。なお前記変換手段の行なう変換にはＫ−Ｌ変換など
を用いても良い。信号圧縮手段３ｃおよび信号伸長手段
３ｄは、５層パーセプトロン型のニューラルネットワー
クで構成し、１層目から３層目までを信号圧縮手段、３
層目から５層目までを信号伸長手段として用いる。
【００２１】前記ニューラルネットワークは複数の多入
力一出力手段を図のように階層的に配置し１層目から５
層目へ信号が流れるように接続している。また、１層目
と５層目を構成する多入力一出力手段数が共に前記信号
変換手段の数に等しく前記信号圧縮手段と前記信号伸長
手段の中継となる３層目の多入力一出力手段数が前記信
号変換手段の数よりも少ないことを特徴とする。図では
信号変換手段の数が４で、前記信号圧縮手段の出力に相
当する３層目の多入力一出力手段数が２となることで、
４次元の情報を２次元の情報に圧縮する。各素子間の結
合係数の値は圧縮係数記憶手段３ｃ１および伸長係数記
憶手段３ｄ１に保持している。各多入力一出力手段の入
出力特性を（１）式に示す。 ｙ＝ｆ（Σｗi・ｘi） ・・・ （１） ここで、ｙは多入力一出力手段の出力値、ｘi は多入力
一出力手段のｉ番目の入力値、ｗi は多入力一出力手段
のｉ番目の入力に対する重み付け係数、Σはｉに関する
総和を表し、ｆはしきい値処理関数を表す。
力一出力手段を図のように階層的に配置し１層目から５
層目へ信号が流れるように接続している。また、１層目
と５層目を構成する多入力一出力手段数が共に前記信号
変換手段の数に等しく前記信号圧縮手段と前記信号伸長
手段の中継となる３層目の多入力一出力手段数が前記信
号変換手段の数よりも少ないことを特徴とする。図では
信号変換手段の数が４で、前記信号圧縮手段の出力に相
当する３層目の多入力一出力手段数が２となることで、
４次元の情報を２次元の情報に圧縮する。各素子間の結
合係数の値は圧縮係数記憶手段３ｃ１および伸長係数記
憶手段３ｄ１に保持している。各多入力一出力手段の入
出力特性を（１）式に示す。 ｙ＝ｆ（Σｗi・ｘi） ・・・ （１） ここで、ｙは多入力一出力手段の出力値、ｘi は多入力
一出力手段のｉ番目の入力値、ｗi は多入力一出力手段
のｉ番目の入力に対する重み付け係数、Σはｉに関する
総和を表し、ｆはしきい値処理関数を表す。
【００２２】図３（ｃ）（ｄ）は、しきい値処関数の入
出力特性の例を表すグラフである。横軸はしきい値処関
数の入力値、縦軸は出力値を表す。３ｅ1〜３ｅ4は信号
逆変換手段で前記信号変換手段の逆変換として入力をそ
のまま出力とする。前記信号変換手段にＫ−Ｌ変換を用
いた場合には、信号逆変換手段に逆Ｋ−Ｌ変換を用い
る。３ｆは誤差算出手段で前記信号圧縮手段への入力と
前記信号伸長手段の出力との差Ｅ１を（２）式に基づい
て計算する。 Ｅ１＝Σj=1,4（ｏ1 j - ｏ5 j）2 ・・・ （２） ここで、Σj=1,4 はｊについての総和、ｏ1 jは信号圧縮
手段３ｃのｊ番目の入力への入力値、ｏ5 jは信号伸長手
段３ｄのj番目の出力の出力値である。
出力特性の例を表すグラフである。横軸はしきい値処関
数の入力値、縦軸は出力値を表す。３ｅ1〜３ｅ4は信号
逆変換手段で前記信号変換手段の逆変換として入力をそ
のまま出力とする。前記信号変換手段にＫ−Ｌ変換を用
いた場合には、信号逆変換手段に逆Ｋ−Ｌ変換を用い
る。３ｆは誤差算出手段で前記信号圧縮手段への入力と
前記信号伸長手段の出力との差Ｅ１を（２）式に基づい
て計算する。 Ｅ１＝Σj=1,4（ｏ1 j - ｏ5 j）2 ・・・ （２） ここで、Σj=1,4 はｊについての総和、ｏ1 jは信号圧縮
手段３ｃのｊ番目の入力への入力値、ｏ5 jは信号伸長手
段３ｄのj番目の出力の出力値である。
【００２３】また、誤差としては前記信号変換手段への
入力と前記信号逆変換手段の出力との差Ｅ２（（３）
式）を用いることもできる。 Ｅ２＝Σk=1,4（ｉk - ｙk）2 ・・・ （３） ここで、Σk=1,4はｋについての総和、ｉkは信号圧縮手
段３ｃのｋ番目の入力端子への入力値、ｙk は信号伸長
手段３ｄのｋ番目の多入力一出力手段への出力値であ
る。
入力と前記信号逆変換手段の出力との差Ｅ２（（３）
式）を用いることもできる。 Ｅ２＝Σk=1,4（ｉk - ｙk）2 ・・・ （３） ここで、Σk=1,4はｋについての総和、ｉkは信号圧縮手
段３ｃのｋ番目の入力端子への入力値、ｙk は信号伸長
手段３ｄのｋ番目の多入力一出力手段への出力値であ
る。
【００２４】誤差算出手段３ｆが誤差Ｅ１を計算した
後、前記誤差が予め定めた基準１よりも大きい場合、
（４）式に基づいて、圧縮係数記憶手段３ｃ１と伸長係
数記憶手段３ｄ１に記憶する係数を変更する。 △ｗ ＝ −ε・∂Ｅ１／∂ｗ ・・・ （４） ここで、εは正の定数、ｗは変更対象の係数、Δｗはｗ
の変更量、∂Ｅ１／∂ｗは（２）式のＥ１をｗで偏微分
したものを表す。
後、前記誤差が予め定めた基準１よりも大きい場合、
（４）式に基づいて、圧縮係数記憶手段３ｃ１と伸長係
数記憶手段３ｄ１に記憶する係数を変更する。 △ｗ ＝ −ε・∂Ｅ１／∂ｗ ・・・ （４） ここで、εは正の定数、ｗは変更対象の係数、Δｗはｗ
の変更量、∂Ｅ１／∂ｗは（２）式のＥ１をｗで偏微分
したものを表す。
【００２５】このような係数の変更を信号が入力される
たびに繰り返すことで、誤差Ｅ１を小さくできる。誤差
として前記Ｅ２を用いる場合は、係数の変更に（５）式
を用いる。 △ｗ ＝ −ε・∂Ｅ２／∂ｗ ・・・ （５） 次に前記誤差が予め定めた基準２よりも大きく、かつ信
号の入力回数が予め定めた基準回数以下の場合は信号切
り出しを行なう手順から繰り返す。ここで、信号の入力
回数が予め定めた基準回数を越える場合には、信号切り
出し手段３ａの切り出す領域の範囲を図６（ａ）のよう
に縮小し、信号切り出しを行なう手順から繰り返す。ま
た、信号切り出し領域の範囲を変更する代わりに、信号
圧縮手段３ｃを構成する多入力一出力手段の数を図６
（ｂ）のように増してもよい。
たびに繰り返すことで、誤差Ｅ１を小さくできる。誤差
として前記Ｅ２を用いる場合は、係数の変更に（５）式
を用いる。 △ｗ ＝ −ε・∂Ｅ２／∂ｗ ・・・ （５） 次に前記誤差が予め定めた基準２よりも大きく、かつ信
号の入力回数が予め定めた基準回数以下の場合は信号切
り出しを行なう手順から繰り返す。ここで、信号の入力
回数が予め定めた基準回数を越える場合には、信号切り
出し手段３ａの切り出す領域の範囲を図６（ａ）のよう
に縮小し、信号切り出しを行なう手順から繰り返す。ま
た、信号切り出し領域の範囲を変更する代わりに、信号
圧縮手段３ｃを構成する多入力一出力手段の数を図６
（ｂ）のように増してもよい。
【００２６】前記誤差が予め定めた基準２以下の場合
は、信号変換手段、信号圧縮手段、信号伸長手段および
信号逆変換手段の変更を行なう。図４に変更後の認識方
法の一実施例のブロック図を示す。図４（ａ）は、信号
切り出し手段が新たに切り出す信号領域の一実施例を示
す。図では信号切り出し手段が１〜４の番号が付いた４
つの矩形の領域を切り出している。各番号の付いた領域
は切り出し領域変更前の切り出し領域に相当し、新しい
信号切り出し手段はより広範囲の信号を入力とする。
は、信号変換手段、信号圧縮手段、信号伸長手段および
信号逆変換手段の変更を行なう。図４に変更後の認識方
法の一実施例のブロック図を示す。図４（ａ）は、信号
切り出し手段が新たに切り出す信号領域の一実施例を示
す。図では信号切り出し手段が１〜４の番号が付いた４
つの矩形の領域を切り出している。各番号の付いた領域
は切り出し領域変更前の切り出し領域に相当し、新しい
信号切り出し手段はより広範囲の信号を入力とする。
【００２７】図４（ｂ）は変更後の認識方法の一実施例
のブロック図を示すものである。図４（ｂ）において、
４ａは信号切り出し手段、４ｂ1〜４ｂ4は信号変換手
段、４ｃは信号圧縮手段、４ｃ１は圧縮係数記憶手段、
４ｄは信号伸長手段、４ｄ１は伸長係数記憶手段、４ｅ
1〜４ｅ4は信号逆変換手段、４ｆは誤差算出手段、４ｇ
は認識手段、４ｇ１は認識係数記憶手段、４ｈは教師信
号発生手段である。
のブロック図を示すものである。図４（ｂ）において、
４ａは信号切り出し手段、４ｂ1〜４ｂ4は信号変換手
段、４ｃは信号圧縮手段、４ｃ１は圧縮係数記憶手段、
４ｄは信号伸長手段、４ｄ１は伸長係数記憶手段、４ｅ
1〜４ｅ4は信号逆変換手段、４ｆは誤差算出手段、４ｇ
は認識手段、４ｇ１は認識係数記憶手段、４ｈは教師信
号発生手段である。
【００２８】各信号変換手段はそれぞれ信号変換手段３
ｂ１〜３ｂ４および信号圧縮手段３ｃを組み合わせたも
ので、各信号逆変換手段はそれぞれ信号伸長手段３ｄお
よび信号逆変換手段３ｅ１〜３ｅ４を組み合わせたもの
になっている。
ｂ１〜３ｂ４および信号圧縮手段３ｃを組み合わせたも
ので、各信号逆変換手段はそれぞれ信号伸長手段３ｄお
よび信号逆変換手段３ｅ１〜３ｅ４を組み合わせたもの
になっている。
【００２９】信号変換手段の置き換えの回数が予め定め
た回数に達するか、又は前記誤差が予め定めた基準３以
下になった場合、又は信号切り出し手段が切り出す領域
が認識対象のとする信号の領域（図では☆印や○印）を
包含する場合は、信号圧縮手段の出力を認識手段４ｇの
入力とし認識手段の学習・認識を行う。図４では信号切
り出し手段の切り出す領域（図４（ａ））が☆印や○印
を包含するため信号圧縮手段４ｃの出力を認識手段の入
力とし、認識手段の学習・認識を行う。
た回数に達するか、又は前記誤差が予め定めた基準３以
下になった場合、又は信号切り出し手段が切り出す領域
が認識対象のとする信号の領域（図では☆印や○印）を
包含する場合は、信号圧縮手段の出力を認識手段４ｇの
入力とし認識手段の学習・認識を行う。図４では信号切
り出し手段の切り出す領域（図４（ａ））が☆印や○印
を包含するため信号圧縮手段４ｃの出力を認識手段の入
力とし、認識手段の学習・認識を行う。
【００３０】図５に本発明で用いる認識手段の第一の実
施例のブロック図を示す。図５において、５ａ１〜５ａ
３は入力部、５ｇは認識手段、５ｇ１は認識係数記憶手
段、５ｈは教師信号発生手段である。認識手段５ｇは多
入力一出力手段を階層的に配置した構成で、各多入力一
出力手段は（１）式の入出力特性を持つ。出力の計算に
用いる係数は認識係数記憶手段５ｇ１に保持する。認識
手段５ｇの入力部の数は信号圧縮手段の出力の数と等し
く、認識手段５ｇの出力の数は認識の対象とする図形の
種類の数に等しい２個（５ｂ６と５ｂ７）とする。認識
手段５ｇの出力となる多入力一出力手段５ｂ６と５ｂ７
はそれぞれ☆印と○印に対応し、出力値の大きい多入力
一出力手段が対応するカテゴリーを入力信号に対する認
識結果とする。
施例のブロック図を示す。図５において、５ａ１〜５ａ
３は入力部、５ｇは認識手段、５ｇ１は認識係数記憶手
段、５ｈは教師信号発生手段である。認識手段５ｇは多
入力一出力手段を階層的に配置した構成で、各多入力一
出力手段は（１）式の入出力特性を持つ。出力の計算に
用いる係数は認識係数記憶手段５ｇ１に保持する。認識
手段５ｇの入力部の数は信号圧縮手段の出力の数と等し
く、認識手段５ｇの出力の数は認識の対象とする図形の
種類の数に等しい２個（５ｂ６と５ｂ７）とする。認識
手段５ｇの出力となる多入力一出力手段５ｂ６と５ｂ７
はそれぞれ☆印と○印に対応し、出力値の大きい多入力
一出力手段が対応するカテゴリーを入力信号に対する認
識結果とする。
【００３１】ここで認識手段５ｇの学習・認識の方法を
説明する。まず、信号切り出し手段に学習する図形を含
む図形を提示し、信号切り出し手段で切り出しを行う。
切り出した信号は信号変換手段で信号変換後、信号圧縮
手段で信号圧縮し、認識手段５ｇの多入力部５ａ１〜５
ａ３に入力する。教師信号発生手段５ｈは入力した図形
のカテゴリーに対応する教師信号を発生し、認識手段５
ｇの出力の理想値とする。例えば、☆印を入力したとき
は☆印に対応する５ｂ６に「１」を。その他の５ｂ７に
は「０」を理想値とする。認識手段５ｇは各多入力一出
力手段５ｂ１〜５ｂ７の出力を計算する。このとき、最
終出力である５ｂ６と５ｂ７の出力値をｙ1，ｙ2とし、
それぞれに対する教師信号をｔ1，ｔ2として、誤差Ｅを
（６）式に基づいて計算する。 Ｅ＝Σp=1,2（ｙp-ｔp）2 ・・・ （６） ここでΣp=1,2はｐに関する総和を示す。
説明する。まず、信号切り出し手段に学習する図形を含
む図形を提示し、信号切り出し手段で切り出しを行う。
切り出した信号は信号変換手段で信号変換後、信号圧縮
手段で信号圧縮し、認識手段５ｇの多入力部５ａ１〜５
ａ３に入力する。教師信号発生手段５ｈは入力した図形
のカテゴリーに対応する教師信号を発生し、認識手段５
ｇの出力の理想値とする。例えば、☆印を入力したとき
は☆印に対応する５ｂ６に「１」を。その他の５ｂ７に
は「０」を理想値とする。認識手段５ｇは各多入力一出
力手段５ｂ１〜５ｂ７の出力を計算する。このとき、最
終出力である５ｂ６と５ｂ７の出力値をｙ1，ｙ2とし、
それぞれに対する教師信号をｔ1，ｔ2として、誤差Ｅを
（６）式に基づいて計算する。 Ｅ＝Σp=1,2（ｙp-ｔp）2 ・・・ （６） ここでΣp=1,2はｐに関する総和を示す。
【００３２】誤差Ｅを求めた後、（７）式に基づいて認
識係数記憶手段５ｇ１に記憶する係数の値を更新する。 △ｗ ＝ −α・∂Ｅ／∂ｗ ・・・ （７） ここで、αは正の定数、ｗは更新対象の係数、Δｗはｗ
の更新量、∂Ｅ／∂ｗは（６）式のＥをｗで偏微分した
ものを表す。
識係数記憶手段５ｇ１に記憶する係数の値を更新する。 △ｗ ＝ −α・∂Ｅ／∂ｗ ・・・ （７） ここで、αは正の定数、ｗは更新対象の係数、Δｗはｗ
の更新量、∂Ｅ／∂ｗは（６）式のＥをｗで偏微分した
ものを表す。
【００３３】このような係数の変更を信号が入力される
たびに繰り返すことで、誤差Ｅを小さくできる。誤差が
予め定めた基準以下になるか、認識手段５ｇが入力に対
して正しい認識結果を出力するようになるまで認識係数
の更新を繰り返す。係数の更新が完了した後は係数の値
を固定し、認識手段５ｇで出力値の大きい多入力一出力
手段が対応するカテゴリーを入力信号に対する認識結果
とする。
たびに繰り返すことで、誤差Ｅを小さくできる。誤差が
予め定めた基準以下になるか、認識手段５ｇが入力に対
して正しい認識結果を出力するようになるまで認識係数
の更新を繰り返す。係数の更新が完了した後は係数の値
を固定し、認識手段５ｇで出力値の大きい多入力一出力
手段が対応するカテゴリーを入力信号に対する認識結果
とする。
【００３４】次に本発明で用いる認識手段の第二の実施
例を説明する。学習時では、教師信号発生手段は入力信
号の属するカテゴリーに対応する番号を教師信号として
出力し、信号切り出し手段に異なる複数の信号を入力し
たときに、教師信号の等しい信号ごとに平均ベクトルを
認識係数記憶手段に参照ベクトルとして記憶する。認識
時には、信号切り出し部に信号を入力し、信号圧縮手段
の出力ベクトルと前記認識係数記憶手段に記憶する参照
ベクトルとの距離を算出する。このとき、最も距離の小
さい参照ベクトルに対応するカテゴリーを認識結果とす
る。
例を説明する。学習時では、教師信号発生手段は入力信
号の属するカテゴリーに対応する番号を教師信号として
出力し、信号切り出し手段に異なる複数の信号を入力し
たときに、教師信号の等しい信号ごとに平均ベクトルを
認識係数記憶手段に参照ベクトルとして記憶する。認識
時には、信号切り出し部に信号を入力し、信号圧縮手段
の出力ベクトルと前記認識係数記憶手段に記憶する参照
ベクトルとの距離を算出する。このとき、最も距離の小
さい参照ベクトルに対応するカテゴリーを認識結果とす
る。
【００３５】
【発明の効果】以上のように本発明は、対象となる信号
を用いて自動的に特徴量を生成し、認識を行なう対象が
変わるたびに認識に適した特徴量を試行錯誤して決める
こと無く学習・認識を行なうことができる。
を用いて自動的に特徴量を生成し、認識を行なう対象が
変わるたびに認識に適した特徴量を試行錯誤して決める
こと無く学習・認識を行なうことができる。
【図１】本発明の信号認識方法の第一の実施例を示すブ
ロック図
ロック図
【図２】同じく信号認識方法を表わすフローチャート
【図３】（ａ）は本発明の信号認識方法の第二の実施例
の信号切り出し領域の例を示す図 （ｂ）は同信号認識方法のブロック図 （ｃ）は同多入力一出力手段の入出力特性の一例を示す
図 （ｄ）は同多入力一出力手段の入出力特性の他の例を示
す図
の信号切り出し領域の例を示す図 （ｂ）は同信号認識方法のブロック図 （ｃ）は同多入力一出力手段の入出力特性の一例を示す
図 （ｄ）は同多入力一出力手段の入出力特性の他の例を示
す図
【図４】（ａ）は第二の実施例の切り出し領域変更後の
信号切り出し領域の一例を示す図 （ｂ）は同信号認識方法の信号変換手段置き換え後の一
例を示すブロック図
信号切り出し領域の一例を示す図 （ｂ）は同信号認識方法の信号変換手段置き換え後の一
例を示すブロック図
【図５】同信号認識方法に用いる認識手段の一実施例を
示すブロック図
示すブロック図
【図６】（ａ）は同信号認識方法の切り出し領域範囲の
変更の一実施例を示す図 （ｂ）は同信号認識方法の多入力一出力手段の数の変更
の一実施例を示す図
変更の一実施例を示す図 （ｂ）は同信号認識方法の多入力一出力手段の数の変更
の一実施例を示す図
【図７】（ａ）は形状認識に用いる図形の例を示す図 （ｂ）は従来の信号認識方法の実施例の画像の格子状分
割を示す図 （ｃ）は同信号認識方法で分割された画像に与える座標
の実施例を示す図 （ｄ）は同信号認識方法で用いる特徴量の実施例を示す
図 （ｅ）は同信号認識方法で用いる特徴量ベクトルの実施
例を示す図
割を示す図 （ｃ）は同信号認識方法で分割された画像に与える座標
の実施例を示す図 （ｄ）は同信号認識方法で用いる特徴量の実施例を示す
図 （ｅ）は同信号認識方法で用いる特徴量ベクトルの実施
例を示す図
【図８】同信号学習方法の認識手順を示すフローチャー
ト
ト
【図９】同信号認識方法の認識手順を示すフローチャー
ト
ト
１ａ 信号切り出し手段 １ｂ1〜１ｂN 信号変換手段 １ｃ 信号圧縮手段 １ｃ１ 圧縮係数記憶手段 １ｄ 信号伸張手段 １ｄ１ 伸張係数記憶手段 １ｅ1〜１ｅN 信号逆変換手段 １ｆ 誤差算出手段 １ｇ 認識手段 １ｇ１ 認識係数記憶手段 １ｈ 教師信号発生手段 ３ａ 信号切り出し手段 ３ｂ1〜３ｂ4 信号変換手段 ３ｃ 信号圧縮手段 ３ｃ１ 圧縮係数記憶手段 ３ｄ 信号伸張手段 ３ｄ１ 伸張係数記憶手段 ３ｅ1〜３ｅ4 信号逆変換手段 ３ｆ 誤差算出手段 ３ｇ 認識手段 ３ｇ１ 認識係数記憶手段 ３ｈ 教師信号発生手段 ４ｂ1〜４ｂ4 信号変換手段 ４ｃ 信号圧縮手段 ４ｃ１ 圧縮係数記憶手段 ４ｄ 信号伸張手段 ４ｄ１ 伸張係数記憶手段 ４ｅ1〜４ｅ4 信号逆変換手段 ４ｆ 誤差算出手段 ４ｇ 認識手段 ４ｇ１ 認識係数記憶手段 ４ｈ 教師信号発生手段 ５ａ1〜５ａ3 入力部 ５ｂ1〜５ｂ7 多入力一出力手段 ５ｇ 認識手段 ５ｇ１ 認識係数記憶手段
Claims (12)
- 【請求項１】入力信号の中からＮ個の部分信号を切り出
す信号切り出し手段と、予め定めた変換を施す信号変換
手段と、予め定めた手法に基づき信号圧縮を行う信号圧
縮手段と、予め定めた手法に基づいて信号の伸長を行う
信号伸長手段と、予め定めた変換を施す信号逆変換手段
と、前記信号変換手段に入力した信号と前記信号逆変換
手段で変換した信号との差または前記信号圧縮手段に入
力した信号と前記信号伸長手段で変換した信号との誤差
を算出する誤差算出手段と、認識手段とを有し、 下記の（イ）の処理を繰り返した後に、前記信号変換手
段の出力を前記認識手段に入力し、前記信号切り出し手
段に入力した信号が属するカテゴリーを認識手段が判断
することを特徴とする信号認識方法。 （イ）複数の入力信号を前記信号切り出し手段に入力
し、前記入力信号ごとに下記の（１）から（５）までの
処理を繰返し行い、前記誤差算出手段の算出する誤差が
予め定めた条件を満たした場合に、前記信号変換手段お
よび前記信号圧縮手段における一連の信号処理手続きを
前記信号変換手段に置き換え、前記信号伸長手段および
前記信号逆変換手段における一連の信号処理手続きを前
記信号逆変換手段に置き換え、新たに信号圧縮手段と信
号伸長手段を設ける。 （１）前記信号切り出し手段で入力信号の中から切り出
したＮ個の部分信号ごとに前記信号変換手段で予め定め
た変換を施す。 （２）前記信号変換手段で変換した後のＮ個の変換信号
すべてを前記信号圧縮手段で信号圧縮を行う。 （３）前記信号圧縮手段で圧縮した圧縮信号を前記信号
伸長手段でＮ個の信号に伸長する。 （４）前記信号伸長手段で伸長したＮ個の伸長信号ごと
前記信号逆変換手段で予め定めた変換を施す。 （５）前記信号圧縮手段の信号圧縮の方法および前記信
号伸長手段の信号伸長の方法を変更する。 - 【請求項２】複数の係数を保持する圧縮係数記憶手段
と、複数の係数を保持する伸長係数記憶手段とを有し、
信号圧縮手段おいて前記圧縮係数記憶手段が保持する係
数を用いて信号圧縮を行い、信号伸長手段において前記
信号圧縮手段で圧縮した圧縮信号を前記圧縮係数記憶手
段が保持する係数を用いてＮ個の信号に伸長することを
特徴とする請求項１記載の信号認識方法。 - 【請求項３】複数の入力に対し複数の係数を用いて重み
付加算を行い予め定めたしきい値処理を施した値を出力
する多入力一出力手段を有し、複数の前記多入力一出力
手段の出力を異なる多入力一出力手段の入力として信号
圧縮手段および信号伸長手段を構成し、圧縮係数記憶手
段が保持する係数を用いて前記信号圧縮手段を構成する
多入力一出力手段の重み付加算を行い、伸長係数記憶手
段が保持する係数を用いて前記信号伸長手段を構成する
多入力一出力手段の重み付加算を行うことを特徴とする
請求項２記載の信号認識方法。 - 【請求項４】圧縮係数記憶手段と伸長係数記憶手段に保
持する係数の値を変更し、前記変更後に前記誤差算出手
段で算出する誤差が小さくなる場合に変更した前記係数
を新たな係数として採用することを特徴とする請求項２
または３記載の信号認識方法。 - 【請求項５】信号切り出し手段に信号を入力した回数が
予め定めた回数に達し、かつ誤差算出手段で算出した誤
差が予め定めた条件を満たさない場合に信号切り出し手
段の切り出し領域の範囲を変更することを特徴とする請
求項１記載の信号認識方法。 - 【請求項６】信号切り出し手段に信号を入力した回数が
予め定めた回数に達し、かつ誤差算出手段で算出した誤
差が予め定めた条件を満たさない場合に信号切り出し手
段の切り出し領域の範囲を縮小することを特徴とする請
求項１記載の信号認識方法。 - 【請求項７】信号切り出し手段に信号を入力した回数が
予め定めた回数に達し、かつ誤差算出手段で算出した誤
差が予め定めた条件を満たさない場合に信号圧縮手段に
おける信号圧縮方法および信号伸長手段における信号伸
長方法を変更することを特徴とする請求項１記載の信号
認識方法。 - 【請求項８】信号切り出し手段に信号を入力した回数が
予め定めた回数に達し、かつ誤差算出手段で算出した誤
差が予め定めた条件を満たさない場合に信号圧縮手段を
構成する多入力一出力手段の数を変更することを特徴と
する請求項３記載の信号認識方法。 - 【請求項９】複数の係数を保持する認識係数記憶手段を
有し、少なくとも信号切り出し手段に入力する信号の属
し得るカテゴリーに対応する種類の参照用ベクトルを前
記認識係数記憶手段に保持し、信号切り出し手段に信号
を入力した時の信号圧縮手段の出力と前記認識係数記憶
手段に記憶する各参照ベクトルとの間のユークリッド距
離を計算し、前記ユークリッド距離の最も小さい参照ベ
クトルに対応するカテゴリーを前記入力信号に対する認
識結果とすることを特徴とする請求項１記載の信号認識
方法。 - 【請求項１０】認識係数記憶手段に保持する係数を用い
て複数の入力に対する重み付け加算を行う多入力一出力
手段を有し、少なくとも信号切り出し手段に入力する信
号の属し得るカテゴリーの種類数の判断用の前記多入力
一出力手段に異なる複数の前記多入力一出力手段の出力
を入力し、前記判断用の多入力一出力手段の中で最大の
値を出力する多入力一出力手段に対応するカテゴリーを
前記信号切り出し手段に入力した信号に対する認識結果
とすることを特徴とする請求項１記載の信号認識方法。 - 【請求項１１】信号切り出し手段に入力した信号が属す
るカテゴリーを示す教師信号を出力する教師信号生成手
段を有し、認識手段の認識結果と教師信号とが異なる場
合に認識係数記憶手段の保持する係数を変更することを
特徴とする請求項９または１０記載の信号認識方法。 - 【請求項１２】教師信号生成手段が出力する教師信号と
認識手段の出力との差を算出する学習誤差算出手段を有
し、認識係数記憶手段の保持する係数の値を変更して、
前記変更後に前記学習誤差算出手段で算出する誤差が小
さくなる場合に変更した前記係数を新たな係数とするこ
とを特徴とする請求項１１記載の信号認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6296732A JPH08153081A (ja) | 1994-11-30 | 1994-11-30 | 信号認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6296732A JPH08153081A (ja) | 1994-11-30 | 1994-11-30 | 信号認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08153081A true JPH08153081A (ja) | 1996-06-11 |
Family
ID=17837384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6296732A Pending JPH08153081A (ja) | 1994-11-30 | 1994-11-30 | 信号認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08153081A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020532777A (ja) * | 2017-09-05 | 2020-11-12 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | ディープニューラルネットワークの実行方法、実行装置、学習方法、学習装置及びプログラム |
-
1994
- 1994-11-30 JP JP6296732A patent/JPH08153081A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020532777A (ja) * | 2017-09-05 | 2020-11-12 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | ディープニューラルネットワークの実行方法、実行装置、学習方法、学習装置及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111462126B (zh) | 一种基于边缘增强的语义图像分割方法及系统 | |
| CN113033570B (zh) | 一种改进空洞卷积和多层次特征信息融合的图像语义分割方法 | |
| JP3520048B2 (ja) | 等化直交マッピングによる多次元データの視覚化および自己組織化 | |
| CN111914727B (zh) | 基于平衡采样与非线性特征融合的小目标人体检测方法 | |
| CN113313173B (zh) | 基于图表示和改进Transformer的人体解析方法 | |
| CN113128360A (zh) | 基于深度学习的司机驾驶行为检测与识别方法 | |
| CN111754507A (zh) | 一种轻量化的基于强注意力机制的工业缺陷图像分类方法 | |
| CN114565628B (zh) | 一种基于边界感知注意的图像分割方法及系统 | |
| CN116645328A (zh) | 一种高精度轴承套圈表面缺陷智能检测方法 | |
| CN115661480A (zh) | 一种基于多层次特征融合网络的图像异常检测方法 | |
| CN116129426A (zh) | 一种宫颈细胞涂片18类别的细粒度分类方法 | |
| Mamoria et al. | Comparison of mamdani fuzzy inference system for multiple membership functions | |
| JPH08153081A (ja) | 信号認識方法 | |
| CN116580289A (zh) | 一种基于注意力的细粒度图像识别方法 | |
| CN115359562A (zh) | 基于卷积神经网络的手语字母拼写识别方法 | |
| JP4186541B2 (ja) | 画像処理装置 | |
| CN115170888A (zh) | 基于视觉信息和语义属性的电子元器件零样本识别模型及方法 | |
| CN114373205A (zh) | 一种基于卷积宽度网络的人脸检测和识别方法 | |
| JPH04182860A (ja) | 画像セグメンテーション方法 | |
| Kalamani et al. | Age classification using fuzzy lattice neural network | |
| KR101880547B1 (ko) | 유사도 측정을 기반으로 한 동영상 특징 벡터 추출 방법 | |
| CN117237830B (zh) | 基于动态自适应通道注意力的无人机小目标检测方法 | |
| CN113822041B (zh) | 一种适用密集文本的深度神经网络自然场景文本检测方法 | |
| Aso et al. | A codebook-based digital image enlargement employing a fuzzy similarity measure | |
| Zhang et al. | MMSTP: Multi-modal Spatiotemporal Feature Fusion Network for Precipitation Prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040330 |