본 논문에서는 필기체 숫자 인식을 위한 방법으로서 회전과 이동 영상을 이용하는 모듈 구조의 신경망 기반 인식 방법을 제안한다. 전체 숫자 패턴 공간은 서로 중첩되는 여러 개의 작은 군집으로 나뉘어지는데, 이 군집들 상에서 전문가망으로 동작하는 MLP 신경망들이 구현된다. 그리고 군집마다 구현된 MLP들을 결합하기 위하여 게이팅망을 또한 MLP로 구현하였다. 학습 단계에서는 입력 숫자 영상에 회전과 이동의 디더링 연산을 가함으로써 얻은 새로운 숫자 영상들을 이용하여 학습한다. 인식 단계에서는 입력 영상만을 인식하지 않고 입력 영상과 회전 및 이동된 영상들을 이용하여 인식한다. 이 과정에서 여러 개의 인식기 출력값들이 계산되는데, 이들을 다양한 방법을 이용하여 결합함으로써 최종 인식을 한다. 실험 결과 제안한 필기체 숫자 인식 방법이 우수한 인식 성능을 보임을 알 수 있었다.

In this paper, we propose a modular neural network based classification method for handwritten numerals utilizing rotated and translated images of an input image. The whole numeral pattern space is divided into smaller spaces which overlap each other and form multiple clusters. On these multiple clusters, multiple multilayer perceptrons (MLP) neural networks, specialized in those clusters, are constructed. Thus, each MLP acts as an expert network on the corresponding cluster. An MLP is also used as a gating network functioning as a mediator among the multiple MLPs. In the learning phase, an input numeral image is dithered by tow geometric operations of translation and rotation so that new numeral images similar to original one are generated. In the recognition phase, we utilize not only input numeral image, but also nearly generated images through the rotation and the translation of the original image. Thus, multiple output values for those generated images were combined to make class decision by various combination methods. The experimental results confirm the validity of the proposed method.