在這篇論文中所要探討的乃是在放大縮小、平移、旋轉這三種變化任意組合下的物體
辨認。如此的環境在機器人學應用的領域是非常典型的。雖然這個問題是電腦視覺
領域的老問題，但是一直未能被妥善地解決。而在此我們引進一個新方法，也就是所
謂的「純粹的類神經網路」方法。「純粹的類神經網路」方法。「純粹」乃是強調我
們的方法並不使用任何數學變換比如極座標轉換或傅立葉轉換，作為先前處理過程。
我們之所以採行這樣的「純粹的類神經網路」方法，不僅僅是緣自於這方法的明確及
簡單，也根據了生理學及心理學上的發現。由WIDROW所提出的「ADAPTINE PATTEM RE
COGNIZER」及FUKUSHIMA 所提出的「NEOCOGNITION」在經過適當的行政後，可完成如
此的「物體不變性辨認」（INVARIANT ABJECT RECOGNITION）。我們在數位電腦上模
擬這兩個模型並指出必要的行政。
在實作的過程中，我們很欣賞WIDROW模型的想法，但也發現一些潛在的問題。我們可
用WIDROW的模型完成平移及旋轉下的物體辨認，但卻無法將之推廣到經過放大縮小的
物體辨認。我們提供了一些建議來解決它，但是並不能得到理論上的支持。
接下來，我們將詳細探討NEOCOGNITRON並且在作了適當的修改之後，發現它確實可完
全地做到「物體不變性辨認」（INVARIANT OBJECT RECOGNITION）。其中的奧妙乃是
適度地調整一些參數－包括靜態結構上的參數及動態運作的參數。這篇論文的重點就
在於提出這樣一個修改過的NEOCOGNITION並嘗試提出系統化的方法來決定這些參數。
|