JPH0896084A - ニューラルネットワーク - Google Patents
ニューラルネットワークInfo
- Publication number
- JPH0896084A JPH0896084A JP6229526A JP22952694A JPH0896084A JP H0896084 A JPH0896084 A JP H0896084A JP 6229526 A JP6229526 A JP 6229526A JP 22952694 A JP22952694 A JP 22952694A JP H0896084 A JPH0896084 A JP H0896084A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- teacher data
- data
- learning
- collected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 手書き文字等の大量のデータ収集が困難なシ
ステムにおいて、収集された教師データをもとに学習を
行うニューラルネットワークであって、少量の教師デー
タより、多量の教師データを新たに作成することによ
り、ニューラルネットワークの学習効率を向上させるこ
とができるニューラルネットワークを提供することを目
的とする。 【構成】 教師データを用いて学習を行うニューラルネ
ットワーク２２と、ニューラルネットワーク用２２に収
集された複数の教師データ２６より、新たな教師データ
２４を作成する教師データ生成部２５を構成する。 【効果】 少量の教師データを収集するだけで、多くの
学習を行うことができ、学習効率が向上する。
ステムにおいて、収集された教師データをもとに学習を
行うニューラルネットワークであって、少量の教師デー
タより、多量の教師データを新たに作成することによ
り、ニューラルネットワークの学習効率を向上させるこ
とができるニューラルネットワークを提供することを目
的とする。 【構成】 教師データを用いて学習を行うニューラルネ
ットワーク２２と、ニューラルネットワーク用２２に収
集された複数の教師データ２６より、新たな教師データ
２４を作成する教師データ生成部２５を構成する。 【効果】 少量の教師データを収集するだけで、多くの
学習を行うことができ、学習効率が向上する。
Description
【０００１】
【産業上の利用分野】本発明は、手書き文字等の不定型
なドットデータを教師データとして学習を行うニューラ
ルネットワークにおいて、少量の教師データで多くの学
習を行えるニューラルネットワークに関するものであ
る。
なドットデータを教師データとして学習を行うニューラ
ルネットワークにおいて、少量の教師データで多くの学
習を行えるニューラルネットワークに関するものであ
る。
【０００２】
【従来の技術】従来、手書き文字等の不定型なドットデ
ータを教師データとして学習を行うニューラルネットワ
ークにおいては、教師データを収集し、その教師データ
を用いて学習を行っていた。すなわち、図４は、従来の
ニューラルネットワークの構成図であって、１１はニュ
ーラルネットワーク出力部であり、１２はニューラルネ
ットワークであり、１３はニューラルネットワーク入力
部であり、１４はあらかじめ収集された教師データであ
る。収集された教師データ１４をニューラルネットワー
ク入力部１３よりニューラルネットワーク１２に入力す
ることにより、ニューラルネットワーク１２において学
習が行われ、結果がニューラルネットワーク出力部１１
に現れる。この場合、収集された教師データ１４がｎ個
であればｎ回の学習を行うことができる。
ータを教師データとして学習を行うニューラルネットワ
ークにおいては、教師データを収集し、その教師データ
を用いて学習を行っていた。すなわち、図４は、従来の
ニューラルネットワークの構成図であって、１１はニュ
ーラルネットワーク出力部であり、１２はニューラルネ
ットワークであり、１３はニューラルネットワーク入力
部であり、１４はあらかじめ収集された教師データであ
る。収集された教師データ１４をニューラルネットワー
ク入力部１３よりニューラルネットワーク１２に入力す
ることにより、ニューラルネットワーク１２において学
習が行われ、結果がニューラルネットワーク出力部１１
に現れる。この場合、収集された教師データ１４がｎ個
であればｎ回の学習を行うことができる。
【０００３】
【発明が解決しようとする課題】上記従来の方法では、
ニューラルネットワークに学習を行わせる為に、多量の
教師データを収集する必要があるが、手書きの文字等の
データを多量に収集するのは困難であり、収集されたデ
ータ数以上の学習を行うことはできないという問題点が
あった。
ニューラルネットワークに学習を行わせる為に、多量の
教師データを収集する必要があるが、手書きの文字等の
データを多量に収集するのは困難であり、収集されたデ
ータ数以上の学習を行うことはできないという問題点が
あった。
【０００４】そこで本発明は、収集された教師データか
ら新たに教師データを生成することにより、収集された
データ数以上に学習を行えるニューラルネットワークを
提供することを目的とする。
ら新たに教師データを生成することにより、収集された
データ数以上に学習を行えるニューラルネットワークを
提供することを目的とする。
【０００５】
【課題を解決するための手段】このために本発明は、手
書き文字等の不定型なドットデータを教師データとして
学習を行うニューラルネットワークにおいて、与えられ
た数の教師データをもとに、教師データ生成部において
その数以上の教師データを自動的に生成することによっ
て、与えられた教師データ数以上の回数学習を行うもの
である。
書き文字等の不定型なドットデータを教師データとして
学習を行うニューラルネットワークにおいて、与えられ
た数の教師データをもとに、教師データ生成部において
その数以上の教師データを自動的に生成することによっ
て、与えられた教師データ数以上の回数学習を行うもの
である。
【０００６】
【作用】この構成において、教師データ生成部において
新たなデータを生成することができるため、新規に生成
されたデータ数分多く学習を行うことができる。
新たなデータを生成することができるため、新規に生成
されたデータ数分多く学習を行うことができる。
【０００７】
【実施例】以下、本発明の一実施例について、図面を参
照しながら説明する。図１は本発明の一実施例における
ニューラルネットワークの構成図である。図１におい
て、２１はニューラルネットワーク出力部であり、２２
はニューラルネットワークであり、２３はニューラルネ
ットワーク入力部であり、２４は教師データ生成部にお
いて生成された教師データであり、２５は与えられた教
師データから新たな教師データ２４を生成する教師デー
タ生成部であり、２６は入力される教師データである。
あらかじめ収集された教師データ２６を教師データ生成
部２５へ入力することにより、新規の教師データ２４が
生成される。生成された教師データ２４をニューラルネ
ットワーク入力部２３よりニューラルネットワーク２２
に入力することにより、ニューラルネットワーク２２に
おいて学習が行われ、結果がニューラルネットワーク出
力部２１に現れる。この時、収集されたデータがｎ個で
あれば、少なくともｎ＋１個の教師データ２４が教師デ
ータ生成部２５によって生成されるため、ニューラルネ
ットワーク２２は少なくともｎ＋１回の学習が行える。
照しながら説明する。図１は本発明の一実施例における
ニューラルネットワークの構成図である。図１におい
て、２１はニューラルネットワーク出力部であり、２２
はニューラルネットワークであり、２３はニューラルネ
ットワーク入力部であり、２４は教師データ生成部にお
いて生成された教師データであり、２５は与えられた教
師データから新たな教師データ２４を生成する教師デー
タ生成部であり、２６は入力される教師データである。
あらかじめ収集された教師データ２６を教師データ生成
部２５へ入力することにより、新規の教師データ２４が
生成される。生成された教師データ２４をニューラルネ
ットワーク入力部２３よりニューラルネットワーク２２
に入力することにより、ニューラルネットワーク２２に
おいて学習が行われ、結果がニューラルネットワーク出
力部２１に現れる。この時、収集されたデータがｎ個で
あれば、少なくともｎ＋１個の教師データ２４が教師デ
ータ生成部２５によって生成されるため、ニューラルネ
ットワーク２２は少なくともｎ＋１回の学習が行える。
【０００８】図２及び図３は本発明の一実施例における
ニューラルネットワークの教師データの生成方法の説明
図である。３１および３２はあらかじめ収集された教師
データとしてのドットデータであり、３３はあらかじめ
収集されたドットデータ３１及び３２の特徴点判別に用
いるマスクであり、３４及び３５はドットデータ３１及
び３２の特徴点を抽出したデータであり、３６及び３７
はあらかじめ収集されたドットデータ３１及び３２の特
徴点であり、３８は特徴点を抽出したデータ３４及び３
５より新たに生成された教師データの特徴点を設定した
データであり、３９は特徴点を抽出したデータ３４及び
３５から新たに設定された特徴点である。
ニューラルネットワークの教師データの生成方法の説明
図である。３１および３２はあらかじめ収集された教師
データとしてのドットデータであり、３３はあらかじめ
収集されたドットデータ３１及び３２の特徴点判別に用
いるマスクであり、３４及び３５はドットデータ３１及
び３２の特徴点を抽出したデータであり、３６及び３７
はあらかじめ収集されたドットデータ３１及び３２の特
徴点であり、３８は特徴点を抽出したデータ３４及び３
５より新たに生成された教師データの特徴点を設定した
データであり、３９は特徴点を抽出したデータ３４及び
３５から新たに設定された特徴点である。
【０００９】図３において、４１及び４２はあらかじめ
収集された教師データであり、４３は教師データ４１及
び４２より新たに生成されたデータである。あらかじめ
収集されたドットデータ３１及び３２をドットとして取
り扱い、マスク３３を用いたマスク処理を行うことによ
り、あらかじめ収集されたドットデータ３１及び３２の
線分の端点、曲点、交点等の特徴点を判別する。上記処
理によって判別した特徴点３６及び３７の中点を新たな
特徴点３９として設定する。この処理を特徴点を抽出し
たデータ３４及び３５の全ての特徴点について行った結
果がデータ３８である。新たに設定された特徴点３９を
線分で結ぶことにより４３の新規教師データが生成され
る。これにより任意の２つの教師データ４１及び４２か
ら新たな１つの教師データ４３を生成する。生成された
教師データ４３をあらかじめ収集された教師データ４１
及び４２と同様にし、上記処理を繰り返し行うことによ
り少量のデータから多量のデータを生成する。
収集された教師データであり、４３は教師データ４１及
び４２より新たに生成されたデータである。あらかじめ
収集されたドットデータ３１及び３２をドットとして取
り扱い、マスク３３を用いたマスク処理を行うことによ
り、あらかじめ収集されたドットデータ３１及び３２の
線分の端点、曲点、交点等の特徴点を判別する。上記処
理によって判別した特徴点３６及び３７の中点を新たな
特徴点３９として設定する。この処理を特徴点を抽出し
たデータ３４及び３５の全ての特徴点について行った結
果がデータ３８である。新たに設定された特徴点３９を
線分で結ぶことにより４３の新規教師データが生成され
る。これにより任意の２つの教師データ４１及び４２か
ら新たな１つの教師データ４３を生成する。生成された
教師データ４３をあらかじめ収集された教師データ４１
及び４２と同様にし、上記処理を繰り返し行うことによ
り少量のデータから多量のデータを生成する。
【００１０】
【発明の効果】以上説明したように本発明によれば、学
習のための手書きを文字等の多量の教師データの収集が
困難な場合においても、少量の教師データをもとに多数
の学習を行えるニューラルネットワークを実現できる。
習のための手書きを文字等の多量の教師データの収集が
困難な場合においても、少量の教師データをもとに多数
の学習を行えるニューラルネットワークを実現できる。
【図１】本発明の一実施例におけるニューラルネットワ
ークの構成図
ークの構成図
【図２】本発明の一実施例におけるニューラルネットワ
ークの教師データの生成方法の説明図
ークの教師データの生成方法の説明図
【図３】本発明の一実施例におけるニューラルネットワ
ークの教師データの生成方法の説明図
ークの教師データの生成方法の説明図
【図４】従来のニューラルネットワークの構成図
２１ ニューラルネットワーク出力部 ２２ ニューラルネットワーク ２３ ニューラルネットワーク入力部 ２５ 教師データ生成部 ３３ マスク
Claims (1)
- 【請求項１】手書き文字等の不定型なドットデータを教
師データとして学習を行うニューラルネットワークであ
って、与えられた数の教師データをもとに、教師データ
生成部においてその数以上の教師データを自動的に生成
することによって、与えられた教師データ数以上の回数
学習を行うことを特徴とするニューラルネットワーク。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6229526A JPH0896084A (ja) | 1994-09-26 | 1994-09-26 | ニューラルネットワーク |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6229526A JPH0896084A (ja) | 1994-09-26 | 1994-09-26 | ニューラルネットワーク |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0896084A true JPH0896084A (ja) | 1996-04-12 |
Family
ID=16893556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6229526A Pending JPH0896084A (ja) | 1994-09-26 | 1994-09-26 | ニューラルネットワーク |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0896084A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8351707B2 (en) | 2007-07-31 | 2013-01-08 | Sharp Kabushiki Kaisha | Image processing apparatus, image forming apparatus, image processing system, and image processing method |
| JP2020064438A (ja) * | 2018-10-17 | 2020-04-23 | ギリア株式会社 | 学習データ生成装置および学習データ生成方法 |
-
1994
- 1994-09-26 JP JP6229526A patent/JPH0896084A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8351707B2 (en) | 2007-07-31 | 2013-01-08 | Sharp Kabushiki Kaisha | Image processing apparatus, image forming apparatus, image processing system, and image processing method |
| JP2020064438A (ja) * | 2018-10-17 | 2020-04-23 | ギリア株式会社 | 学習データ生成装置および学習データ生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mani et al. | Application of artificial neural network model for optical character recognition | |
| CN110570481A (zh) | 基于风格迁移的书法字库自动修复方法及系统 | |
| CN110807098A (zh) | 基于BiRNN深度学习的DGA域名检测方法 | |
| CN110288495A (zh) | 案件诉讼时效智能审查方法及装置 | |
| CN113486752A (zh) | 基于心电信号的情感识别方法及系统 | |
| Hallale et al. | Offline handwritten digit recognition using neural network | |
| Lee et al. | A syntactic pattern recognition system with learning capability | |
| Modayur et al. | MUSER: A prototype musical score recognition system using mathematical morphology | |
| JPH0896084A (ja) | ニューラルネットワーク | |
| JPH0869506A (ja) | 手書き文字の認識方法および装置 | |
| Khan et al. | Isolated handwritten pashto characters recognition using KNN classifier | |
| Veeraiah et al. | Comparative analysis of detection of text from Morse code in handwritten images using convolutional neural networks | |
| Jayarathna et al. | A junction based segmentation algorithm for offline handwritten connected character segmentation | |
| CN116821200B (zh) | 一种人工智能云数据可视化分析系统及其分析方法 | |
| JP7685374B2 (ja) | プラント点群分類システム、プラント点群分類方法 | |
| Bhopi et al. | Review on optical character recognition of Devanagari script using neural network | |
| JPS613287A (ja) | 図形入力方式 | |
| JP2623559B2 (ja) | 光学式文字読取装置 | |
| Sarfraz et al. | Towards automatic recognition of fonts using genetic approach | |
| Zhang et al. | Research on Automatic Grading of Handwritten Homework in Intelligent Education Based on Model Fusion Approach | |
| JP2708068B2 (ja) | データフロー図作成装置 | |
| CN115661279A (zh) | 虚拟图像生成模型的训练方法、装置、设备及介质 | |
| CN117173723A (zh) | 一种纸质表格识别方法、系统、设备及可存储介质 | |
| JP2740506B2 (ja) | 画像認識方法 | |
| Tang et al. | Multiple-level information source and entropy-reduced transformation models |