文献

J-GLOBAL ID：202202253104504844   整理番号：22A1063843

直交学習戦略を持つ畳込みニューラルネットワークに基づく効率的な手書き数字認識【JST・京大機械翻訳】

An Efficient Handwritten Digit Recognition Based on Convolutional Neural Networks with Orthogonal Learning Strategies

著者 (3件)： Senthil T. (Department of Electronics and Communication Engineering, Bannari Amman Institute of Technology, Sathyamangalam, Erode 638401, Tamilnadu, India) ,  Rajan C. (Department of Information Technology, K S Rangasamy College of Technology, Tiruchengode, Namakkal 637215, Tamilnadu, India) ,  Deepika J. (Department of Information Technology, Bannari Amman Institute of Technology, Sathyamangalam, Erode 638401, Tamilnadu, India)
資料名： International Journal of Pattern Recognition and Artificial Intelligence  (International Journal of Pattern Recognition and Artificial Intelligence)
巻： 36  号： 1  ページ： 2253001  発行年： 2022年 
JST資料番号： T0877A  ISSN： 0218-0014  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 手書き画像からの文字/テキスト/ディジタルの予測は,研究コミュニティスポットライトを認識に向けて行った。深い学習(DL)アプローチで予測を可能にする莫大な応用と多義性がある。最初に,手書き予測で実行される4つの必要なステップがある。第1に,DL検証のためにより適切であるデータセットの考察は,非効率な方法である。ここでは,特別データベース1および特別データベース2を用いて,それを,国立標準技術研究所(NIST)によって組み合わせ,修正した。次に,データ正規化による入力手書き数字認識データの前処理,より良い予測精度を提供する効率的特徴の抽出である。提案したアイデアは,人間に近い性能を高めるために,ハイパーパラメータの解析による特徴としてピクセル値を使用する。SVMによって,非線形および線形モデルを構築して,更なる処理のための適切な特徴を抽出した。特徴は,次の処理段階によって使用される特徴(BoF)のBag上に分離,配置される。最後に,新しい畳込みニューラルネットワーク(CNN)を,直交学習粒子群最適化(CNN-OLPSO)によってネットワーク構造を修正することによって構築した。この修正は,ハイパーパラメータの数を進化的に最適化するために採用される。この提案した最適化器は,適応度計算から最適値を予測し,様々な他の従来手法と比較して,より良い効率を示す。CNN採用に依存する新規性は,ディジタル化に向けて適切な経路を努力し,手書き構造を保存し,より良い計算精度を提供することによりCNNを用いて自動特徴抽出を助けることである。最適化アプローチは,過剰適合とアンダーフィッティング問題を避けるのを助ける。ここでは,精度,経過時間,想起,精度,およびF測度のような計量を評価した。CNN-OLPSOの結果は,他の既存の方法と比較して,より良い精度,減少した誤り率およびより良い実行時間(s)を与えた。このように,提案モデルは手書き数字の認識率においてより良いトレードオフを示した。Copyright 2022 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  測度 ,  *学習 ,  データベース ,  *ニューラルネットワーク ,  特徴抽出 ,  多義性 ,  ネットワーク構造 ,  *数字 ,  *直交性 ,  正規化
準シソーラス用語： 粒子群最適化 ,  実行時間 ,  予測精度 ,  最適値 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 手書き数字認識 ,  畳込みニューラルネットワーク ,  直交学習粒子群最適化 ,  ディジタル化

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習戦略 ,  畳込みニューラルネットワーク ,  手書き数字認識