220
ncj tablicy C. Z reguły warstwa C zapewnia pewne uniezależnienie od sposobu pisaniu danego znaku i większą skuteczność rozpoznawania liter i cyfr. Pełny zestaw' dziewięćdziesięciu siedmiu zbiorów znaków' uczących trzeciej warstwy znaleźć można w pracy [58J.
Neurony ostatniej, czwartej, warstwy typu S trenowane są do rozpoznania pełnego zestawu liter i cyfr. Warstwa ta zawiera czterdzieści siedem tablic rozpoznających określone wzorce liter i cyfr. Zwiększona o dwanaście w stosunku do ogólnej liczby liter i cyfr liczba znaków rozpoznawanych przez tablice tej warstwy wynika z konieczności uwzględnienia różnych sposobów' pisania niektórych znaków. Różnice te są na tyle duże, że nie dają się zmieścić w jednym zbiorze uczącym tablicy. Na rys. 10.6 przedstawiono pełny zestaw wzorców uczących dla ostatniej warstwy. Jak widać z niego, niektóre znaki, np. litera Q pisane są na tyle różnic, że zajmują aż trzy różne tablice. W warstwie C odpowiedzi takich tablic włączone są równolegle, uaktywniając niezależnie od sposobu pisania znaku ten sam neuron wyjściowy. Nawiasy klamrowe występujące na rysunku oznaczają tablice uaktywniające jeden neuron wyjściowy w warstwie typu C.
Sieć Fukushimy do rozpoznawania trzydziestu pięciu znaków alfanumerycznych jest siecią zawierającą olbrzymią liczbę neuronów. Licząc wszystkie rodzaje neuronów: S, V \ C ogólna ich liczba w wersji neocognitronu z roku 1991 wynosiła 70045. Liczba połączeń międzyneuronowych sięga kilkunastu milionów. Jednakże dzięki odpowiedniej strukturze sieci i zastosowaniu bardzo oszczędnego sposobu dobom wag (uczeniu podlega jeden neuron w tablicy, a pozostałe neurony przyjmują jego wagi) uczenie całej sieci było stosunkowo krótkie i nie przekraczało trzynastu minut przy użyciu stacji SUN. Rozpoznawanie nauczonego wzorca jest procesem bardzo skutecznym i w przypadku omówionej sieci wynosiło średnio około 3,3 s. Sieć okazała sic zdolna do rozpoznania znaków pisanych ręcznie w bardzo różny sposób i w różnej skali. Jest niewrażliwa na pochylenia znaków, juk również szum wprowadzany przez tło. W chwili obecnej jest uznawana za największą sieć neuronową.
Struktura ogólna sieci neuronowej typu wielomianowego przedstawiona jest na rys. 10.7. Jest to sieć jednokierunkowa składająca się z wielu warstw neuronowych [2, 56]. Ostatnia warstwa sieci zawiera tylko jeden neuron. Każdy z neuronów wy-