Zobrazeno 1 - 10
of 13
pro vyhledávání: '"Toshiyuki Kohda"'
Autor:
Y. Kojima, K. Kawakami, M. Mizutani, Hiroshi Yamamoto, Yasuharu Shimeki, Shigeo Sakaue, Susumu Maruno, Toshiyuki Kohda
Publikováno v:
Proceedings of 1993 International Conference on Neural Networks (IJCNN-93-Nagoya, Japan).
We have newly developed a handwritten numeric character recognition system with neural networks based on an approximate reasoning architecture (NARA). Handwritten character recognition is one of the most difficult tasks in an area of pattern recognit
Publikováno v:
Proceedings of 1993 International Conference on Neural Networks (IJCNN-93-Nagoya, Japan).
One of the biggest issues of an object recognition is the recognition with rotation invariance under a fluctuating noisy environment. We developed an object recognition system using temporal pattern recognition network with quantizer neuron chip (QNC
Publikováno v:
Proceedings of 1993 International Conference on Neural Networks (IJCNN-93-Nagoya, Japan).
The authors have previously proposed a multi functional layered network (MFLN) employing a quantizer neuron model and proved that a learning speed of MFLN is the fastest among RCE networks, LVQ3 and multi-layered neural network with backpropagation.
Publikováno v:
IEEE transactions on neural networks. 4(2)
The number of precision bits for operations and data are limited in the hardware implementations of backpropagation (BP). Reduction of rounding error due to this limited precision is crucial in the implementation. The new learning algorithm is based
Publikováno v:
[Proceedings] 1991 IEEE International Joint Conference on Neural Networks.
The authors propose a novel learning algorithm with weighted error function (WEF). They have reduced the necessary precision for the learning of multi-font alpha-numeric recognition to 10-bit fixed point precision using the WEF. The WEF raises the re
Publikováno v:
[Proceedings] 1991 IEEE International Joint Conference on Neural Networks.
The authors propose a multifunctional layered network (MFLN) with a quantizer neuron model and describe the principles of the quantizer neuron and the structure of the network for a character recognition system. Each layer of the MFLN has a specific
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.