JPH03241478A - 物体認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は物体認識装置に関し、特にニューラルネットワ
ークを用いた物体認識装置に関する。

〔従来の技術〕

従来、この種のニューラルネットワーク型の物体認識装
置では、第３図に示す如く、入力層ｌはすべて中間層２
に結合し、中間層２はすべて出力層３に結合するネット
ワーク構造となっていた。

第３図は従来のニューラルネットワーク型の物体認識装
置におけるネットワーク構成図である。

この場合、入力層に供給される特徴データ６は、アナロ
グデータとデジタルデータの区別をしない。

〔発明が解決しようとする課題〕

上述した従来の物体認識装置では、既に特徴抽出された
デジタルデータが中間層を介して処理されることになる
ため、物体認識装置が正しい認識結果を出力するまでに
必要とされる学習回数が膨大になってしまうという欠点
がある。

〔課題を解決するための手段〕

本発明の装置は、物体の特徴データを用いてその物体を
識別する多層構造のニューラルネ・７トワ一ク型物体認
識装置において、入力となる特徴データを連続量の測定
値を示すアナログデータとある特徴の有無を示すデジタ
ルデータとに区分し、前記アナログデータについては中
間層を介した認識処理を行ない、前記デジタルデータに
ついては中間層を介さずに入力層と出力層によって認識
処理を行なう構成を有する。

〔実施例〕

次に、本発明について図面を参照して説明する。

第１図は本発明による物体認識装置の一実施例の構成図
である。

まず人力として、物体の特徴データをアナログデータ４
とデジタルデータ５に区分し、アナログデータ４を中間
層２を介する側の入力層１に、またデジタルデータ５は
、中間層２がない側の入力層に入力する。

次に、複数の物体に関する特徴データを繰返し入力し、
正しい認識結果を出力するまでバックプロゲーション方
式を用いて学習を行う。学習後における認識結果は、出
力層の最も出力値の大きい細胞に対応する物体とする。

なお、ニューラルネットワークの構成に関し、中間層は
、１層以上何層でもよく、また各層のニューロン数は何
個でもよいとする。

次に、４種類の物体を識別する物体認識装置の具体例を
第２図にもとづいて説明する。

第２図に示すニューラルネットワーク構成は、中間層数
１．入力層、中間層および出力層の細胞数が８．５．４
となっている。

入力データは、３レベルで表現されたアナログデータ２
個（細胞数６）のアナログデータ（１）７とアナログデ
ータ（２）８、また、ある特徴の有無を示すデジタルデ
ータ２個（細胞数２）のデジタルデータ（１）９とデジ
タルデータ（２１１０から成る。

実際に学習を実施させた場合１、各層の細胞数を同一に
すると、従来技術より本発明の方が明らかに正しい認識
結果を出力するまでの学習回数が少ない。

〔発明の効果〕

以上説明したように本発明は、物体の特徴データをアナ
ログデータとデジタルデータに分けて、アナログデータ
については入力層、中間層、及び出力層によって処理を
行い、デジタルデータについては入力層と出力層によっ
て処理を行うニューラルネットワークを用いることによ
り、効率的な学習の実施を可能たらしぬる効果がある。

【図面の簡単な説明】

第１図は、本発明の物体認識装置のニューラルネットワ
ークの一実施例の構成図、第２図は、第１図の実施例に
おいて４種類の物体を識別する場合のニューラルネット
ワークの構成図、第３図は従来の物体認識装置のニュー
ラルネットワーク構成図である。 １・・・入力層、２・・・中間層、３・・・出力層、４
・・・アナログデータ、５・・・デジタルデータ、６・
・・特徴データ、７・・・アナログデータ（１１，８・
・・アナログデータ（２１，９・・・デジタルデータ（
１１，１０・・・デジタルデータ（■。

Claims (1)

【特許請求の範囲】
1. 物体の特徴データを用いてその物体を識別する多層構造
   のニューラルネットワーク型物体認識装置において、入
   力となる特徴データを連続量の測定値を示すアナログデ
   ータとある特徴の有無を示すデジタルデータとに区分し
   、前記アナログデータについては中間層を介した認識処
   理を行ない、前記デジタルデータについては中間層を介
   さずに入力層と出力層によって認識処理を行なうことを
   特徴とする物体認識装置。