抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本稿は複写学習モデルで様々な中抜き文字を認識できることを示し,実験によりモデルの有効性を確かめたので報告する。複写学習モデルは,まずGATEを閉じて基本ネットで基本文字を標準の誤差逆伝搬(BP)法により学習する。次にGATEを開け,得られた重みと閾値を未使用の部分ネットに複写することにより中抜き文字を学習させる。実験では中抜き文字を花子2005で作成した。それをプリンタに出力した後,Webカメラで撮影した。撮影した画像を2値化し,それぞれの文字を100x100[pixel]の大きさに正規化し,それを20x20の正方メッシュで分割してメッシュごとに黒い部分の割合を計算し,入力層に入力した。基本文字を学習させた後,基本文字に対応する中抜き率2%,8%,14%の中抜き文字を26カテゴリで複写学習させた。ネット全体で学習済みの中抜き文字と未学習の中抜き文字の認識テストを行った。実験結果から,複写学習は各サイズとも未学習の中抜き文字に対してはBP法に比べて高い汎化能力を示している。また,学習時間はBP学習に比べ約1/9であった。