Pushnikov АА SS-569
Резюмета на доклад за научно-практическа конференция "Съвременни методи и средства за автоматичен контрол на техническите обекти"
On-lineraspoznavanie почерк
В момента, във връзка с разработването на миниатюрни компютри като PDA, TabletPC, че има проблем bezklaviaturnogo за въвеждане на данни. Един алтернативен вход означава е сензорен панел. метод за разпознаване на ръкописен текст метод е изследвана с помощта на изкуствена невронна мрежа.
Проблемът с он-лайн признаване се състои от три основни етапа:
1. В етап предварителна обработка изберете основни качества и да ги превърне във форма, удобна за класификация, например вектора във всяко едно помещение. Проблемът за онлайн разпознаване е известен път на писалката, под формата на последователност от точки. За опростяване на класификатор, намаляване на броя на точките за фиксиран брой п. Тази извадка прави разстоянието между точките е почти същото, което прави възможно да не се вземат под внимание, когато се признава размер на символите. За инвариантност характер по отношение на позицията на изображението, трансформиране на входната последователност във вектора на Sines и уют на ъглите между оста координира и правата линия, свързваща две съседни точки. Резултатът е вектор на измерение 2 х (п-1).
2. На етапа на класификация на входящите вектори споделят пространство в отделни области, като класификатор използване на невронни мрежи. двуслойна невронна мрежа с обратно разпространение логаритмична функция сигмоидна невронни активиране се изследва. Броят на входа - 2 х (п-1), броят на изхода, равен на броя на символите. Това невронна мрежа ще получите изход съвпадение оценка на изображението на тест с оригинала на.
В проучването е избрана: п = 10, брой входни неврони - 18, броят на символите изследва - 4, броят на изходните неврони - 4. Веригата на невронната мрежа е показано на фиг. 1. График за обучение на невронната мрежа е показано на фиг. 2. Снимки на символите за обучение са показани на Фиг. символ тест 3. изображение е показана на Фиг. 4. Таблица 1 показва резултатите от невронната мрежа.
Фигура 1 - Диаграма на невронна мрежа
Фигура 2 - График на обучение на невронна мрежа
Фигура 3 - Снимки на символи за обучение. Line показва избраните точки, кръгове - въведен
Фигура 4 - Образът на героя на тест. Line показва избраните точки, кръгове - въведен
Таблица 1. Добив на невронната мрежа за символ обучение.
№ невронната мрежа освобождаване
3. На етапа на вземане на решение, ние заключаваме, който от символите на обучение е по-скоро като символ за тест. За да направите това, изберете символа, който отговаря на най-високата стойност на производството на невронната мрежа. Ако максималната стойност надвишава определен праг стойност или повече обекти ще имат сходни стойности, тогава ние се заключи, че е влязъл в неизвестен характер.
Моделът уверено признае ръкописни знаци, и ви позволява да се заключи, дали или не анализира символ на една от състоянието на техниката.
Всички материали в "науката"
Свързани статии