본 논문에서는 무제약 필기체 숫자 인식에 있어서 향상된 RBF(Radial Basis Function) 신경망을 이용한 새로운 접근 방법을 제시하였다. RBF 신경망은 인식률과 인식 속도를 향상시키기 위해 기저 함수로서 Raised Cosine RBF를 사용하였다. Raised Cosine RBF 신경망 분류기의 성능 평가를 위하여 캐나다 몬트리올 Concordia 대학의 무제약 필기체 숫자 데이터베이스를 사용하였고, 실험 결과 98.05%의 인식률을 보였다.
In this paper, we presented a new approach to the recognition of unconstrained handwritten numerals using an improved RBF(Radial Basis Function) Neural Networks. The RBF Neural Networks used Raised Cosine as a basis function to improve discrimination and reduce processing time. The performance of Raised Cosine RBF Neural Networks classifier was evaluated using totally unconstrained handwritten numeral database of Concordia University, Montreal, Canada, and the experimental results showed the recognition rate of 98.05%.
