协同神经网络在汉字图象识别中的应用.pdfVIP

协同神经网络在汉字图象识别中的应用串 ● 赵同 成飞虎 上海交通太学计算机科学与工程系 290030) 摘要本文对一类全耨的神经弼络—协葡神经弼络进行了研究．在介绍了协同学基本概念和模式识别协同神经 ● 网络的基础上-通过对由日嗓、运动的汉字圈象进行识别研究．指出协同神经两络具有校丈的优势． 关键字协同学．神经网络．汉字圈象，模式识别 +。 一，1 系统的宏观结构由几个序参量共同来决定。此时， l协同神经网络 序参量之间的协同合作决定着系统的有序结构，这 1 1协同学基本概念 是“协同”的第二层含义．然而．随着控制参量的 本世纪60年代初期，ttaken教授在研究激光 继续变化．处于合作中的几个序参量的地位和作用 的过程中，得出了“相变过程与子系统的性质无关” 也在变化．序参量之间的竞争日趋尖锐，一旦控制 的重要结论．并总结出“物理化学系统中许多组织 参量达到一个新的阈值时，终将导致只有一个序参 得很好的空间结构、时间结构或空一时结构是从无 量单独来主宰系统的格局。如果从子系统之间的协 孝产生的”．并于1973年首次提出了协同概念。序同运动来看，实际上达到了更高一级的协同，即更 参量是系统相变前后发生质的飞跃的晕突出的标 高一层的有序。 志，它表示着系统的有序结构和类型，是子系统介 协同学是--fq横断学科，研究大系统中子系统 入协同运动程度的集中体现．在相变前，序参量应 之间是怎样合作以产生宏观的空间结构、时间结构 为零；在临界点，它随着系统有序程度增加而急剧 或功能结构。它既处理确定过程又处理随机过程。 增大。在系统的演化进程中。只有一个或几个慢弛 协同形成结构，竞争促进发展，这是相变过程中的 豫参量自始至终都起作用，并且起着支配子系统行 普遍规律。 为的主导作用。根据支配原理，由此得到了只有一 个或几个慢弛豫参量的演化方程一序参量方程，使 1．2模式识别的协同神经网络模型 原来难于求解或者无法求解的问题变得简单明了， 模式识别的过程对应于一个动力学过程。设 ● 并且使临界过程的物理内容也显得清楚明了。 想一个虚拟粒子在有势地形图上移动．当粒子进入 序参量来源于系统同的协同合作，同时序参量 某个吸引谷底时，与之相应的模式就被识别出来。 又起着支配子系统的作用．子系统之间的协同合作 模式识别系统可认为是协同系统，初始状态的设置 产生宏观的有序结构．这就是“协同”的第一层含 表现为部分有序化的子系统。属于这个子系统的序 义。有时在ll蠡界点处系统中有几个序参量同时存 参量在竞争中取胜。最后支配整个系统并使其进入 在．每个序参量都包含着一组微观组态，每个微观 这个特定的有序状态．换言之，一旦给出具有某个 组态都对应着一定的宏观结构。每个序参量都企图 模式特征的集合，其中具有最强初始支撑的序参量 独立主宰系统，但由于天时地利的条件差不多，彼 将获得胜利．并驱使系统呈现模式原来缺少的特 此处于均势状态．在这种情况下，序参量之阅便自 征。根据协同学的基本思想c1】．模式识别过程可 动形成妥协，它们合作起来协同一致地控制系统， 以理解为若干序参量竞争的过程。对待识别模式q 。奉文得到童采自然科学萋盒(697,,z002)资助