Automatischer Entwurf paralleler neuronaler Netze für Mehrklassenprobleme in der Mustererkennung

Zusammenfassung

Ein automatisches Verfahren für den Entwurf paralleler neuronaler Netzwerke zur Behandlung von Mehrklassenproblemen in der Mustererkennung wird vorgestellt. Ausgehend von mehrschichtigen neuronalen Netzwerken wird ein mehrstufiger Klassifikator entwickelt. Die Verwendung harter Entscheider als Aktivierungsfunktionen von Neuronen führt zu einer binären Verarbeitung von Informationen im neuronalen Netzwerk. Die Parallelisierung der Mehrklassenaufgabe in einzelne Zweiklassenprobleme beruht auf einer Optimierung im binären Entscheidungsraum. Die einzelnen Teilklassiiikationen werden mittles neuronaler Netzwerke realisiert. Die entwickelten Lernverfahren in den einzelnen Schichten des neuronalen Netzwerkes basieren auf geometrische und statistische Eigenschaften der internen Repräsentation von klassifizierten Mustern einer Lernstichprobe. Die Anwendung statistischer Methoden gestattet die Angabe eines Konfidenzmaßes für Klassifikationsentscheidungen. Die dargestellten Ergebnisse des Klassifikators beziehen sich auf die Erkennung handgeschriebener alphanumerischer Zeichen.