電子機能システム基礎論

会員540円 | 非会員648円
ダウンロード カートに入れる
ページ数1
閲覧数233
ダウンロード数1
履歴確認

    ファイル内検索

    資料紹介

    統計的パターン認識手法について、特に部分空間法、K−NN法、ニューラルネットワークについて述べる。これらは対象の特徴を利用して、いかに高精度にパターン認識を行うかという識別処理に分類される。

    部分空間法
      統計的な識別関数といわれる。標準パターンを作成する際に、大量のデータを使用して、認識する文字種ごとの細かな相異を判別できるような判別境界にあたるデータを抽出してこれを標準パターンとし識別を行う。

    K−NN法
      この方法は、クラスが未知の事例を分類するとき、訓練事例中の最も距離の近いk個の類似した事例を参考にしてその事例のクラスを決める方法である。事例を参考にするやり方はそのk個の事例による平等投票である。

    ニューラルネット
      ニューラルネットとは脳にある神経細胞(ニューロン)に起因している。脳内でニューロンは網の目のようにつながりあい、ネットワークを構成している。その各ニューロンは他の多数のニューロンから信号を受け取り、それを総合して次のニューロンに信号を伝える。
      ニューラルネットとはこのニューロンをモデル化したものを互いに多数結合させ接続しネットワーク状にしたものである。1つのニューロンモデルの働きはごく単純なものだが、そのモデルが多数結合して高度な処理をすることができる。識別処理の方法としては、対象のパターンの特徴を学習させることにより識別処理が可能となり、また各ニューロンは並列に動作することができる。 したがって、ニューラルネットの利点は、巧妙なアルゴリズムがまったく必要ないということと、各々の処理を並列に計算できるという点である。
     これらすべてに共通して言えることとしては、パターン認識率には優れているが、メモリ量や計算量の点でパソコンソフトで実現することは難しいのが現状である。

    資料の原本内容( この資料を購入すると、テキストデータがみえます。 )

    電子機能システム基礎論Ⅱ 
     統計的パターン認識手法について、特に部分空間法、K-NN法、ニューラルネットワークについて述べる。これらは対象の特徴を利用して、いかに高精度にパターン認識を行うかという識別処理に分類される。
    部分空間法
      統計的な識別関数といわれる。標準パターンを作成する際に、大量のデータを使用して、認識する文字種ごとの細かな相異を判別できるような判別境界にあたるデータを抽出してこれを標準パターンとし識別を行う。
    K-NN法
      この方法は、クラスが未知の事例を分類するとき、訓練事例中の最も距離の近いk個の類似した事例を参考にしてその事例のクラスを決める方法である。事例を参考に..

    コメント0件

    コメント追加

    コメントを書込むには会員登録するか、すでに会員の方はログインしてください。