Time Delay Neural Network mit Lernhilfe in der Offline-Handschrifterkennung

Zusammenfassung

Diese Arbeit beschreibt ein System zur Erkennung handgeschriebener kursiver Zahlwörter, welches aus drei Teilen besteht: einer Vorverarbeitung, einem Time Delay Neural Network und einem Hidden Markov Modell. Da der für das Training des neuronalen Netzes eingesetzte Backpropagation-Algorithmus Information über Einzelbuchstaben benötigt, Wörter jedoch sehr schwer zu segmentieren und zu markieren sind, wurde das positionsinvariante Lernen verwendet. Zur Verbesserung dieses Lernverfahrens wurde eine Methode entwickelt, welche Information über die Position der Buchstaben im Wort miteinbezieht. Die Ausgabe des neuronalen Netzes wird zum Schluss durch ein Hidden Markov Modell nachverarbeitet. Die Erkennungsrate des Systems auf der Wortebene konnte durch den Einbezug von Positionsinformation um 4% bis 5% verbessert werden und liegt zur Zeit bei etwa 87%. Als Alternative kann bei gleicher Erkennungsrate die Anzahl Trainingszyklen um 60% bis 75% reduziert werden. In Kombination mit einem ähnlichen System, welches zur Vektorquantisierung anstelle des Time Delay Neural Network einen Normalverteilungsklassifikator benutzt, wird eine Erkennungsrate von etwa 92% erzielt.