一种用于在线手写汉字识别的新型混合参数循环神经网络
计算机视觉与模式识别
2018-07-31 v2
摘要
循环神经网络（RNN）适用于处理时间序列。本文提出一种具有新特征的深度 RNN，并将其应用于在线手写汉字识别。与现有 RNN 模型相比，所提系统包含三项创新。首先，提出了一种新的 RNN 隐藏层函数以更好地学习时序信息，称之为记忆池单元（MPU）。所提 MPU 具有简单结构。其次，提出了一种具有混合参数的新 RNN 架构，以增加 RNN 的表达能力。所提混合参数 RNN 在时序维度计算迭代时存在参数变化。第三，我们作出一种适配，即将每一层的所有输出堆叠作为网络输出。堆叠隐藏层状态结合了所有隐藏层状态以提升表达能力。实验在 IAHCC-UCAS2016 数据集和 CASIA-OLHWDB1.1 数据集上进行。实验结果表明，混合参数 RNN 以更高效率（更少参数和更快速度）获得了更好的识别性能。并且所提记忆池单元被证明是一种简单的隐藏层函数并取得了有竞争力的识别结果。
引用
@article{arxiv.1711.02809,
title = {A New Hybrid-parameter Recurrent Neural Networks for Online Handwritten Chinese Character Recognition},
author = {Haiqing Ren and Weiqiang Wang},
journal= {arXiv preprint arXiv:1711.02809},
year = {2018}
}