（論文[1]のFigure 2より引用）
誤差逆伝播法アルゴリズムでトレーニングされた多層ニューラルネットワークは、勾配ベースの学習手法の成功例です。適切なネットワークアーキテクチャがあれば、勾配ベースの学習アルゴリズムを使用することで、最小限の前処理で手書き文字などの高次元パターンを分類できます。
AT&Tベル研究所の研究チームは、手書き文字認識に適用されるさまざまな方法をレビューし、標準の手書き数字認識タスクでそれらを比較しています。畳み込みニューラルネットワークは、2次元（2-D）形状の変動に対処するように特別に設計されており、他のすべての手法よりも優れていることが示されています。
実際のドキュメント認識システムは、フィールド抽出、セグメンテーション、認識、言語モデリングなどの複数のモジュールで構成されています。グラフ変換ネットワーク（GTN）と呼ばれる新しい学習パラダイムにより、勾配ベースの手法を使用してグローバルトレーニングし、全体的なパフォーマンス測定を最小限に抑えることができます。
オンライン手書き認識について説明もしており、実験では、グローバルトレーニングの利点と、グラフ変換ネットワークの柔軟性が実証されています。
また、銀行小切手を読み取るためのグラフ変換ネットワークについても説明しており、畳み込みニューラルネットワークの文字認識機能とグローバルトレーニングテクニックを組み合わせて使用し、商業的に展開することで、1日あたり数百万の小切手を読み取ることが可能だそうです。
