Пушник А. А. ПС-569
Тези доповіді на науково-практичну конференцію «Сучасні методи і засоби автоматичного управління технічними об'єктами»
On-lineраспознаваніе рукописних символів
В даний час, у зв'язку з розвитком мініатюрних комп'ютерів, таких як PDA, TabletPC, стоїть проблема безклавіатурного введення даних. Одним з альтернативних засобів введення є сенсорна панель. Був досліджений спосіб метод розпізнавання рукописних символів за допомогою штучної нейронної мережі.
Завдання on-line розпізнавання складається з трьох основних етапів:
1. На етапі попередньої обробки даних вибираємо основні ознаки і перетворимо їх у зручну для класифікації форму, наприклад вектор в будь-якому просторі. У задачі on-line розпізнавання відомий шлях пера, в вигляді послідовності точок. Для спрощення класифікатора, зменшуємо кількість точок до деякого фіксованого числа n. Така вибірка робить відстані між точками практично однаковими, що дозволяє не враховувати при розпізнаванні розмір символу. Для інваріантності символу щодо його положення на зображенні, перетворимо вхідну послідовність в вектор синусів і косинусів кутів між осями координат і прямої, що з'єднує дві сусідні точки. В результаті отримуємо вектор розмірністю 2 * (n -1).
2. На етапі класифікації поділяємо простір вхідних векторів на окремі області, в якості класифікатора використовуємо нейронна мережа. Була досліджена двошаровий нейронна мережа зворотного поширення з логарифмічною сігмоідной функцією активації нейронів. Число входів - 2 * (n -1), число виходів дорівнює числу символів. Така нейронна мережа дозволить отримати на виході оцінку збігу досліджуваного образу з вихідними.
При дослідженні вибиралося: n = 10, кількість вхідних нейронів - 18, кількість досліджуваних символів - 4, кількість вихідних нейронів - 4. Схема нейронної мережі представлена на рис. 1. Графік тренування нейронної мережі представлений на рис. 2. Зображення навчальних символів представлені на рис. 3. Зображення тестового символу представлено на рис. 4. У таблиці 1 представлені виходи нейронної мережі.
Малюнок 1 - Схема нейронної мережі
Малюнок 2 - Графік тренування нейронної мережі
Малюнок 3 - Зображення навчальних символів. Лінією позначені вибрані точки, колами - введені
Малюнок 4 - Зображення тестового символу. Лінією позначені вибрані точки, колами - введені
Таблиця 1. Вихід нейронної мережі для тестового символу.
№ виходу нейронної мережі
3. На етапі прийняття рішення робимо висновок, на який з навчальних символів більше схожий тестовий символ. Для цього вибираємо символів, якому відповідає найбільше значення виходу нейронної мережі. Якщо ж максимальне значення не перевищить деяке порогове значення або кілька виходів матимуть близькі значення, то робимо висновок, що введений невідомий символ.
Досліджена модель впевнено розпізнає рукописні символи і дозволяє зробити висновок про те чи є досліджуваний символ одним з відомих раніше.
Всі матеріали в розділі "Інформатика"