220 (3)

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.

10.1.4. Opis wyników badań

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.

10.2. Sieć typu wielomianowego 10.2.1. Architektura sieci

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-