汉字识别的并行神经网络方法

本文以神经网络方法和字符识别研究为背景,提出了一种适用于汉字识别的并行神经网络(PNN)方法.它用一个称为控制网络的神经网络CN对汉字全集进行粗分类,用一组称为识别网络的神经网络RN对各粗类进行细分类,从而完成对汉字的识别.PNN方法与人类学习识字的过程相似,可以不断学习,最终完成对所有汉字的识别.PNN的各网络模块并行工作,具有极高的系统工作效率,并且其结构模块化,易于硬件电路实现.本文选取了120个汉字,用PNN神经网络模型进行学习和识别实验,还选取了30个汉字以及一些具有多种书写方法的汉字进行了追加学习实验.实验结果表明,PNN神经网络模型能够有效地应用于汉字识别研究.