Methodes neuronales pour la reconnaissance de caracteres manuscrits : comparaison et cooperation

Neural networks for handwritten character recognition: comparison and cooperation

• Auteur / Autrice : JEAN-MARIE AUGER
• Direction : Monique Becker
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1993
• Etablissement(s) : Paris 6

Résumé

Sur un probleme de reconnaissance de chiffres manuscrits isoles, sont presentes les resultats d'une comparaison systematique de cinq algorithmes neuronaux et de deux methodes statistiques non parametriques realisees sur une base d'environ quinze mille chiffres provenant d'un centre de tri postal. Cette comparaison s'est concentree sur l'un des aspects du probleme, a savoir, les capacites de reconnaissance et de rejet des modeles. La cooperation entre modeles est ensuite etudiee. Celle-ci s'est inscrite tout naturellement dans la suite de l'etude comparative qui a mis en evidence des qualites complementaires des modeles. Les experimentations ont en particulier montre qu'un reseau multi-couche est un moyen simple et efficace de fusionner les reponses de plusieurs reseaux. Elles ont egalement montre que des gains de performances importants, en particulier en termes de capacites de rejet, pouvaient etre obtenus en faisant cooperer deux modeles de types reseau multi-couche a connexions locales et poids partages et lasso mais que cette strategie de cooperation pouvait egalement etre appliquee a differentes simulations d'un meme reseau multi-couche. Finalement, une implementation parallele de l'algorithme des cartes topologiques sur un hypercube de transputers est proposee et evaluee experimentalement. Les accelerations mesurees montrent l'efficacite de la parallelisation