ные в изображение. Исследование проводили с теми же данными,
которые применяли для обучения сетей, поскольку тестовые изобра-
жения уже искажены непредсказуемым образом. Кроме того, вывод
об устойчивости сети проще сделать, сравнивая полученные данные
с выборкой, на которой сеть показала 100 %-ный результат точности
распознавания, т.е. на той выборке, на которой проводилось обучение
сети.
При исследовании некоторое фиксированное число пикселов бина-
ризированных изображений заменяют на противоположные значения
и подсчитывают ошибочно классифицированные символы. Число за-
шумленных пикселов изменяется в заданном диапазоне значений с
определенным шагом. С учетом стохастичности вносимых изменений
процесс целесообразно повторить несколько раз и вычислить среднюю
ошибку. Доля ошибочного распознавания принимает наименьшее зна-
чение для сети неокогнитрон: при относительном количестве зашум-
ленных пикселов 37 % доля ошибки составляет 5 %, в то время как для
однослойного персептрона она составляет 30 %, для многослойного —
25 %,
для вероятностной сети — 40 %.
Устойчивость к масштабированию также исследовали по изменен-
ным изображениям обучающей выборки. Масштаб пошагово изменя-
ли от меньшего по сравнению с начальным изображением размера
до превосходящего его. Результаты исследования устойчивости к мас-
штабированию показали лишь ограниченную инвариантность как для
сети типа неокогнитрон, так и для других алгоритмов. Так, неоко-
гнитрон сохранял безошибочное распознавание в диапазоне значений
0,87—1,16
коэффициента масштабирования.
Неокогнитрон также показал более высокую устойчивость к по-
вороту и сдвигу. По сравнению с многослойным персептроном при
сдвиге на 2 пиксела ошибка составила 10 % против 60 %; при по-
вороте на 15—12 % против 40 % в сопоставлении с многослойным
персептроном.
Согласно полученным результатам, для решения поставленной за-
дачи наилучшие параметры качества распознавания по устойчивости
к шумам, масштабированию, повороту и сдвигу обеспечивает неоко-
гнитрон.
Проведенные исследования точности классификации показали, что
неокогнитрон наиболее устойчив к шумам, масштабированию, пово-
роту и сдвигу. Для данной сети не требуется предварительная би-
наризация изображения, благодаря чему можно исключить алгоритм
бинаризации при распознавании ГРЗ. Таким образом, применение не-
окогнитрона в задачах распознавания ГРЗ целесообразно.
198
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
