Übertragung und Erkennung gestörter Zeichen mittels neuronaler Netze

Der vorliegende Beitrag beschreibt eine Untersuchung über die Einsatzmöglichkeiten künstlicher neuronaler Netze und klassischer Klassifikationsverfahren innerhalb der Erkennung pixelweise gestörter alphanumerischer Zeichen. Dazu wird zunächst das zugrunde gelegte Übertragungsmodell beschrieben, wobei das Nutzsignal innerhalb des Übertragungskanls durch ein additives, mittelwertfreies und gaußverteiltes Rauschsignal gestört wird. Weiterhin werden die Grundlagen der zur Diskriminierung des gestörten Zeichens notwendigen Klassifikationsverfahren skizziert, wobei insbesondere der Einsatz neuronaler Netze betont wird. Die abschließenden Untersuchungsergebnisse dokumentieren die Vor- und Nachteile verschiedener Methoden hinsichtlich Lern- und Klassifikationsverhalten sowie hinsichtlich der benötigten Rechenzeiten. Dabei wurden verschiedene überwacht trainierte Backpropagation Netztopologien und ein selbstorganisiertes Competitive Learning Netz mit klassischen Methoden des Nächsten-Nachbarn s owie der Regressionsanalyse verglichen