Neural network architecture.

摘要

Zur automatischen Mustererkennung weist ein neuronales Netzwerk eine Eingangsschicht (IL) auf (zweidimensionales Feld aus M×N Elementen, M=Anzahl der Merkmalsvektoren, N=Anzahl der Koeffizienten je Merkmalsvektor), die in sich überlappende Mustersegmente (LH×LV, mit LH<M, LV<N) aufgeteilt wird, wobei benachbarte Segmente sich mindestens in einer Richtung teilweise überlappen. Jedes neuronale Element einer nachgeschalteten verborgenen Schicht (HL) wird aus einem unterschiedlich gewichteten Summenwert der Amplituden eines Segments der Eingangsschicht (IL) gebildet. Die verborgene Schicht (HL) wird dann mit einer eindimensionalen Ausgangsschicht (OL) vollvernetzt, wobei das Element der Ausgangsschicht, das den größten Summenwert aufweist, dem zu erkennenden Muster entspricht.