это быстро и бесплатно
Оформите заказ сейчас и получите скидку 100 руб.!
Ознакомительный фрагмент работы:
Пушников А. А., ПС-569
Тезисы доклада на научно-практическую конференцию «Современные методы и средства автоматического управления техническими объектами»
On-line распознавание рукописных символов
В настоящее время, в связи с развитием миниатюрных компьютеров, таких как PDA, TabletPC, стоит проблема безклавиатурного ввода данных. Одним из альтернативных средств ввода является сенсорная панель. Был исследован способ метод распознавания рукописных символов с помощью искусственной нейронной сети.
Задача on-line распознавания состоит из трех основных этапов:
1. На этапе предварительной обработки данных выбираем основные признаки и преобразуем их в удобную для классификации форму, например вектор в каком-либо пространстве. В задаче on-line распознавания известен путь пера, в виде последовательности точек. Для упрощения классификатора, уменьшаем количество точек до некоторого фиксированного числа n. Такая выборка делает расстояния между точками практически одинаковыми, что позволяет не учитывать при распознавании размер символа. Для инвариантности символа относительно его положения на изображении, преобразуем входную последовательность в вектор синусов и косинусов углов между осями координат и прямой, соединяющей две соседние точки. В результате получаем вектор размерностью 2*(n -1).
2. На этапе классификации разделяем пространство входных векторов на отдельные области, в качестве классификатора используем нейронная сеть. Была исследована двухслойная нейронная сеть обратного распространения с логарифмической сигмоидной функцией активации нейронов. Число входов – 2*(n -1), число выходов равно числу символов. Такая нейронная сеть позволит получить на выходе оценку совпадения исследуемого образа с исходными.
При исследовании выбиралось: n=10, количество входных нейронов – 18, количество исследуемых символов – 4, количество выходных нейронов – 4. Схема нейронной сети представлена на рис. 1. График тренировки нейронной сети представлен на рис. 2. Изображения обучающих символов представлены на рис. 3. Изображение тестового символа представлено на рис. 4. В таблице 1 представлены выходы нейронной сети.
Рисунок 1 - Схема нейронной сети
|
|
Рисунок 2 - График тренировки нейронной сети
Рисунок 3 - Изображения обучающих символов. Линией обозначены выбранные точки, окружностями - введенные
Рисунок 4 - Изображение тестового символа. Линией обозначены выбранные точки, окружностями – введенные
Таблица 1. Выход нейронной сети для тестового символа.
| № выхода нейронной сети | Выход нейронной сети | Название обучающего символа, соответствующего данному выходу |
| 1 | 0.9996 | Символ «а» |
| 2 | 0.0000 | Символ «б» |
| 3 | 0.0000 | Символ «в» |
| 4 | 0.0001 | Символ «г» |
3. На этапе принятия решения делаем вывод, на какой из обучающих символов более похож тестовый символ. Для этого выбираем символов, которому соответствует наибольшее значение выхода нейронной сети. Если же максимальное значение не превысит некоторое пороговое значение или несколько выходов будут иметь близкие значения, то делаем вывод, что введен неизвестный символ.
Исследованная модель уверенно распознает рукописные символы и позволяет сделать вывод о том является ли исследуемый символ одним из известных ранее.
Сделайте индивидуальный заказ на нашем сервисе. Там эксперты помогают с учебой без посредников
Разместите задание – сайт бесплатно отправит его исполнителя, и они предложат цены.
Цены ниже, чем в агентствах и у конкурентов
Вы работаете с экспертами напрямую. Поэтому стоимость работ приятно вас удивит
Бесплатные доработки и консультации
Исполнитель внесет нужные правки в работу по вашему требованию без доплат. Корректировки в максимально короткие сроки
Гарантируем возврат
Если работа вас не устроит – мы вернем 100% суммы заказа
Техподдержка 7 дней в неделю
Наши менеджеры всегда на связи и оперативно решат любую проблему
Строгий отбор экспертов
К работе допускаются только проверенные специалисты с высшим образованием. Проверяем диплом на оценки «хорошо» и «отлично»
Работы выполняют эксперты в своём деле. Они ценят свою репутацию, поэтому результат выполненной работы гарантирован
Ежедневно эксперты готовы работать над 1000 заданиями. Контролируйте процесс написания работы в режиме онлайн
Выполнить 2 контрольные работы по Информационные технологии и сети в нефтегазовой отрасли. М-07765
Контрольная, Информационные технологии
Срок сдачи к 12 дек.
Архитектура и организация конфигурации памяти вычислительной системы
Лабораторная, Архитектура средств вычислительной техники
Срок сдачи к 12 дек.
Организации профилактики травматизма в спортивных секциях в общеобразовательной школе
Курсовая, профилактики травматизма, медицина
Срок сдачи к 5 дек.
краткая характеристика сбербанка анализ тарифов РКО
Отчет по практике, дистанционное банковское обслуживание
Срок сдачи к 5 дек.
Исследование методов получения случайных чисел с заданным законом распределения
Лабораторная, Моделирование, математика
Срок сдачи к 10 дек.
Проектирование заготовок, получаемых литьем в песчано-глинистые формы
Лабораторная, основы технологии машиностроения
Срок сдачи к 14 дек.
Вам необходимо выбрать модель медиастратегии
Другое, Медиапланирование, реклама, маркетинг
Срок сдачи к 7 дек.
Ответить на задания
Решение задач, Цифровизация процессов управления, информатика, программирование
Срок сдачи к 20 дек.
Написать реферат по Информационные технологии и сети в нефтегазовой отрасли. М-07764
Реферат, Информационные технологии
Срок сдачи к 11 дек.
Написать реферат по Информационные технологии и сети в нефтегазовой отрасли. М-07764
Реферат, Геология
Срок сдачи к 11 дек.
Разработка веб-информационной системы для автоматизации складских операций компании Hoff
Диплом, Логистические системы, логистика, информатика, программирование, теория автоматического управления
Срок сдачи к 1 мар.
Нужно решить задание по информатике и математическому анализу (скрин...
Решение задач, Информатика
Срок сдачи к 5 дек.
Заполните форму и узнайте цену на индивидуальную работу!