(5 оценок, среднее: 4,80 из 5)
Загрузка...
Учебная работа. Статья: On-line распознавание рукописных символов
Тезисы доклада на научно-практическую конференцию «Современные способы и средства автоматического управления техническими объектами»
On
—
line
определение рукописных знаков
В истинное время, в связи с развитием маленьких компов, таковых как PDA, TabletPC, стоит неувязка безклавиатурного ввода данных. Одним из других средств ввода является сенсорная панель. Был изучен метод способ определения рукописных знаков при помощи искусственной нейронной сети.
задачка on-line определения состоит из 3-х главных шагов:
1. На шаге подготовительной обработки данных избираем главные признаки и преобразуем их в комфортную для систематизации форму, к примеру вектор в каком-либо пространстве. В задачке on-line определения известен путь пера, в виде последовательности точек. Для упрощения классификатора, уменьшаем количество точек до некого фиксированного числа n. Таковая подборка делает расстояния меж точками фактически схожими, что дозволяет не учесть при распознавании размер знака. Для инвариантности знака относительно его положения на изображении, преобразуем входную последовательность в вектор синусов и косинусов углов меж осями координат и прямой, соединяющей две примыкающие точки. В итоге получаем вектор размерностью 2*(n -1).
2. На шаге систематизации разделяем место входных векторов на отдельные области, в качестве классификатора используем нейронная сеть. Была изучена двухслойная нейронная сеть оборотного распространения с логарифмической сигмоидной функцией активации нейронов. Число входов – 2*(n -1), число выходов равно числу знаков. Таковая нейронная сеть дозволит получить на выходе оценку совпадения исследуемого вида с начальными.
При исследовании выбиралось: n=10, количество входных нейронов – 18, количество исследуемых знаков – 4, количество выходных нейронов – 4. Схема нейронной сети представлена на рис. 1. График тренировки нейронной сети представлен на рис. 2. Изображения обучающих знаков представлены на рис. 3. Изображение тестового знака представлено на рис. 4. В таблице 1 представлены выходы нейронной сети.
Набросок 1 — Схема нейронной сети
Число эпох обучения
Ошибка обучения
Набросок 2 — График тренировки нейронной сети
Набросок 3 — Изображения обучающих знаков. Линией обозначены избранные точки, окружностями — введенные
Набросок 4 — Изображение тестового знака. Линией обозначены избранные точки, окружностями – введенные
Таблица 1. Выход нейронной сети для тестового знака.
№ выхода нейронной сети
Выход нейронной сети
Заглавие обучающего знака, соответственного данному выходу
1
0.9996
знак «а»
2
0.0000
Знак «б»
3
0.0000
знак «в»
4
0.0001
Знак «г»
3. На шаге принятия решения делаем вывод, на какой из обучающих знаков наиболее похож тестовый знак. Для этого избираем знаков, которому соответствует наибольшее несколько выходов будут иметь близкие значения, то делаем вывод, что введен неведомый знак.
Исследованная модель уверенно распознает рукописные знаки и дозволяет прийти к выводу о том является ли исследуемый знак одним из узнаваемых ранее.
]]>