臺灣博碩士論文加值系統

手寫簽名辨識系統以個人姓名為辨識體，依照個人習慣之書寫方式，記錄簽名並分析筆跡特徵，利用機率性類神經網路(Probabilistic Neural Network)，配合影像前處理與特徵分析技術，完成手寫簽名辨識系統。
此系統使用20 個人所撰寫的手寫簽名作為資料庫，經由影像前處理技術，減少影響分類的變異性，並且使用統計式特徵分析(Statistical Feature Analysis)之方法擷取特徵，使得網路容易分類並訓練，提高手寫簽名辨識率。
預測標準普爾500 指數系統以標準普爾500 指數(S&P500)為研究對象，運用類神經網路中的倒傳遞類神經網路(Back-propagation Neural Network)和迴響狀態網路(Echo State Networks)為工具預測標準普爾500 指數當天最高價、最低價與收盤價，並比較兩種工具之預測優劣。
資料範圍為1965 年1 月4 日起至2007 年10 月22 日止，共計10767日。
針對所選擇之研究變數進行資料蒐集，在兩種類神經網路之輸入層分別輸入當日標準普爾500 指數之開盤價，前1 天與前7 天的開盤價、收盤價、最高價、最低價、交易量，及當天之星期，做為類神經網路之輸入變數。
經實驗結果顯示，標準普爾500 指數在1995 至2007 年間的股票價格以快速的成長方式進行的增加，造成網路模型無法有較佳的預測值。
因此，本論文將標準普爾500 指數之資料分為兩種模式預測，分別為1965 至1990 年訓練，1991 至1995 年測試與1995 至2000 年訓練，2001 至2007 年測試。

Handwritten signature verification system use personal signature as a recognizing tool, which records signature and analyzes person’s handwriting, according to different personal handwritten way. To form the complete handwritten signature verification system, Probabilistic Neural Network, image preprocess, and feature analysis technology were used in this research.
The database of this system was consisted of 20 people’s personal handwriting; use image process technology to decrease the variability which might influence the classification, and analyze the extract feature by using statistical feature. This feature analysis way can make network classifier feature and training much easier, and also can increase handwritten signature recognition rate.
S&P 500 Index System use Back-propagation Neural Network and Echo State Networks as the tools to build up models. The goal is to predict the highest-price, lowest- price, and close price in the daily S&P 500 Index, and also make a comparison between Back-propagation Neural Network and Echo State Networks.
The data is collected between 4th Jan, 1965 to 22nd Oct, 2007, 10767 days in total. The chosen data include daily open-price, a day before, and seven days prior’s open-price, highest-price, lowest-price, the day of the week, and trading volume as neural network input variable.
The result shows that the stock prices increase rapidly from 1995 to 2007. This caused the result that the network cannot predict a better-forecast value. Therefore, this paper categorize S&P 500 into two models, one is training between 1965-1990 and testing between 1995-2000, while another one is training from 1995-2000 and testing from 2001-2007.

中文摘要
英文摘要
致謝
目錄
表目錄
圖目錄
第一章 緒論
1.1 研究背景
1.2 研究動機
1.3 研究目的
1.4 論文架構
第二章 類神經網路
2.1 導論
2.1.1 生物神經網路構造
2.1.2 人工神經網路構造
2.2 類神經網路模式
2.3 機率性類神經網路
2.3.1 機率性類神經網路架構
2.3.2 機率性類神經網路演算法
2.4 倒傳遞類神經網路
2.4.1 倒傳遞類神經網路架構
2.4.2 倒傳遞類神經網路演算法
2.5 迴響狀態網路
2.5.1 迴響狀態網路架構
2.5.2 迴響狀態網路演算法
2.5.3 網路狀態變數與權值的改進
第三章 影像處理與特徵分析
3.1 手寫簽名辨識
3.2 影像前處理
3.2.1 灰階轉換
3.2.2 影像二值化
3.2.3 字體膨脹
3.2.4 影像大小轉換
3.3 特徵分析
3.3.1 統計式特徵分析
3.3.2 投影量分析
3.3.3 交叉點分析
第四章 預測標準普爾500 指數之文獻探討
4.1 資料擷取
4.2 資料分析與轉換
4.3 模式評估標準
第五章 實驗結果
5.1 手寫簽名辨識系統
5.1.1 手寫簽名辨識流程
5.1.2 手寫簽名辨識結果
5.2 預測標準普爾500 指數系統
5.2.1 預測標準普爾500 指數流程
5.2.2 預測分析
第六章 結論
6.1 結論
6.1.1 手寫簽名辨識
6.1.2 預測標準普爾500 指數
6.2 未來研究方向
參考文獻

[1] H. Jaeger, "The echo state approach to analysing and training recurrent neural networks". GMD Rrport 148, 2001.
[2] H. Jaeger, "Short term memory in echo state networks" GMD Rrport 148, 2002.
[3] H. Jaeger, "Tutorial on training recurrent neural networks", covering BPPT, RTRL, EKF and the echo state network approach.GMD Rrport 159, 2002.
[4] H. Jaeger, "Adaptive Nonlinear System Identificaion with Echo State Networks", NIPS, 2002.
[5] H. Lv, Y. Song, P. Jia, Z. Gan, L. Qi. "An Adaptive Modeling Approach Based on ESN for Robotic Belt Grinding", in Information and Automation (ICIA), 2010 IEEE, 2010, pp787-792.
[6] T-D Wang, C. Fyfe, "Training Echo State Networks with Neuroscale", TAAI, pp.107-112, Nov. 2011.
[7] 八木伸行，井上誠喜著，"C 語言數位影像處理"，全華圖書，2010 年1 月。
[8] 呂炎州，"不需字元切割的車牌辨識法"，靜宜大學，資訊管理學系研究所，碩士論文，2004 年7 月。
[9] 何姿燕，"以貝式分類法為基礎之即時手寫簽名辨識系統"，新竹教育大學，資訊科學研究所，碩士論文，2010 年7 月。
[10] 林君諺，"影像文字自動擷取演算法"，義守大學，資訊管理研究所，碩士論文，2007 年7 月。
[11] 洪雅雯，"台灣上市化學生技醫療類股價指數預測之研究"，成功大學，統計學研究所，碩士論文，2008 年1 月。
[12] 郭癸蘭，"手寫身分證字號辨識系統"，高雄第一科技大學，電腦與通訊工程系，碩士論文，2003 年1 月。
[13] 陳志隆，"國際主要股價指數連動性研究"，東吳大學，企業管理學系，碩士論文，2008 年1 月。
[14] 張宏林，"visual c++ 數位影像模式-識別技術及工程實踐"，文魁出版社，2008 年11 月。
[15] 鐘國亮，"影像處理與電腦視覺"，東華出版社，2004 年3 月。
[16] 黃宜真，"以類神經網路進行印花之電腦分色系統"，台灣科技大學，高分子工程研究所，碩士論文，2006 年7 月。
[17] 葉怡成，"類神經網路模式應用與實作"，儒林圖書，2009 年4 月。
[18] 劉鴻明，蔡孟達，張元翔，"應用於影像縮放技術之內插法評估研究"，中原大學，資訊工程學系，2005 年。
[19] 謝宗廷，"自動建立數字間關連性之手寫式郵遞區號辨識系統"，佛光人文社會學院，資訊學系，碩士論文，2006 年6 月。
[20] 繆昆陵，"台灣上市鋼鐵類股價指數預測之研究"，成功大學，統計學研究所，碩士論文，2008 年6 月。