アブストラクト

事後確率に基づくベイズ最適な識別のためには識別時の状況に応じた事前確率を適切に設定する必要がある。 この状況に依存した事前確率はベイジアンネットによってモデル化することができる。 特に筆者らが提案するニューラルネットの上に実現したベイジアンネットは実環境のもとでの事前確率の学習に有効である。 この枠組の簡単な応用として英単語辞書から前後の文字に対する依存関係を学習し, 手書き文字認識に利用する例を考える。 これにより通常の階層型ニューラルネットによる認識結果を改善できることを示す。

Abstract

For optimum Bayesian discrimination based on a posterior probability, we have to obtain proper prior probabilities, which sometimes depends on particular situation. These situated prior probabilities can be modeled by Bayesian networks. Especially, Bayesian network on neural networks (BNNN) has some advantages for learning situated prior in the real world environment. As preliminary experiments, the learning situated prior probabilities from an English dictionary is shown. It can apply to handwriting character recognition using Bayesian discrimination. The result improve recognition performance better than an ordinal neural network classifier.