Mimo wielu zalet zaawansowane ANN mają wady
wykluczające, przynajmniej na razie, możliwość zastosowania sieci
neuronowej jako jedynego algorytmu rozpoznawania. Jedną z podstawowych
wad jest relatywnie długi czas wyliczania stanu sieci. Przykładowo,
skonstruowany na początku lat dziewięćdziesiątych i wzorowany na
budowie mózgu Neocognitron - sieć do rozpoznawania pojedynczych znaków
alfanumerycznych - złożony był z 70 045 neuronów (elementarnych
jednostek obliczeniowych) i czas wyliczania odpowiedzi sieci, po
wprowadzeniu na wejście jednego znaku, przekraczał trzy minuty! Do
symulacji Neocognitronu używano wówczas komputera typu Sun SparcStation.
Praktyczne implementacje rozbudowanych sieci neuronowych są obecnie
bardzo mocno optymalizowane i często wykorzystują najnowsze osiągnięcia
techniki mikroprocesorowej (np. w przypadku symulatorów specyficzne
właściwości arytmetyki zmiennoprzecinkowej). Jednak prędkość
rozpoznawania "neuronowego" jest średnio o rząd mniejsza niż prędkość
rozpoznawania metod klasycznych typu "omnifont".
W komercyjnych programach ICR w rozpoznawaniu znaków uczestniczy kilka
algorytmów, a w zależności od jakości wydruku udział każdego z nich
może być różny. Dla tekstu pisanego ładnym, czytelnym drukiem stosuje
się szybkie rozpoznawanie "omnifont". W tekście gorszej jakości
niektóre wiersze, lub ich części, mogą być rozpoznawane przez bardziej
rozbudowane modyfikacje algorytmu "omnifont" bądź sieci neuronowe. W
każdym z wymienionych przypadków stosowane jest także proste
porównywanie ze wzorcem, dzięki któremu użytkownik może "uczyć"
program, wprowadzając do rozpoznawania np. nietypowe znaki.
|
Home 
