변형에 무관한 필기체 문자 인식을 위한 퍼지 신경망과 학습 알고리즘

A Novel Fuzzy Neural Network and Learning Algorithm for Invariant Handwritten Character Recognition

본 논문에서는 퍼지 집합을 기반으로한 새로운 신경망에 대해 기술하고 있다. 새로운 퍼지 신경망은 변형에 영향을 받지 않는 문자 인식을 적용하였다. 퍼지 신경망은 5개 층으로 구성되어 있다. 구현 결과 왜곡, 이동, 회전 및 필기체 문자의 크기가 서로 달라도 문자들을 정확하게 인식함을 보였다. 잡은(8${\sim}$30%)이 있는 경우에도 정확하게 인식을 하였다. 이동, 왜곡, 서로 다른 문자 크기 및 잡음은 L2 층에 의해서 이루어 졌으며, 회전에 영향을 받지 않게 하기 위해서 L5층을 구성하였다. 퍼지 신경망을 훈련하기 위해서 108개 문자를 사용하였으며 훈련 패턴에서 1- 또는 2-픽셀의 이동이 있는 경우에도 100%의 인식률을 보였다. ${\pm}20^{\circ}$ 도 정도 회전된 문자인 경우에는 정확하게 인식하였다. 또한 제안된 퍼지 신경망은 학습된 문자인 경우 100% 인식률을 가지고 recall하였다. 제안된 퍼지 신경망은 구조가 간단하고 학습 속도와 recall속도가 매우 빨랐다. 본 퍼지 신경망은 필기체 문자열의 분할과 인식에도 적용하였다.

This paper presents a new neural network based on fuzzy set and its application to invariant character recognition. The fuzzy neural network consists of five layers. The results of simulation show that the network can recognize characters in the case of distortion, translation, rotation and different sizes of handwritten characters and even with noise(8${\sim}$30%)). Translation, distortion, different sizes and noise are achieved by layer L2 and rotation invariant by layer L5. The network can recognize 108 examples of training with 100% recognition rate when they are shifted in eight directions by 1 pixel and 2 pixels. Also, the network can recognize all the distorted characters with 100% recognition rate. The simulations show that the test patterns cover a ${\pm}20^{\circ}$ range of rotation correctly. The proposed network can also recall correctly all the learned characters with 100% recognition rate. The proposed network is simple and its learning and recall speeds are very fast. This network also works for the segmentation and recognition of handwritten characters.