دانلود شبیه سازی مقاله شناسایی کاراکترهای انگلیسی از طریق شبکه عصبی مصنوعی

کاربرد شبکه عصبی در تشخیص حروف

تشخیص کاراکتر یا حروف، فرآیند مرتبط با یک معنای سمبولیک با اشیاء (حرف، نماد و اعداد) ترسیم شده برروی یک تصویر، می باشد. تشخیص کاراکتر، می تواند برخط یا غیربرخط باشد. تشخیص کاراکتر برخط، اطلاعات زمینه ای بلادرنگ دارد، درحالی که سیستم تشخیص کاراکتر غیربرخط بصورت غیربلادرنگ عمل می کند. هر دوی این سیستم ها، دچار چالش های عملکردی بخاطر منابع بسیار تغییرات، می باشند. شاید، نویز، شناخته شده ترین منبع عمده تغییرات باشد و می تواند تغییرات تصادفی برای یک الگو یا کاراکتر بوجود بیاورد و در نتیجه، تفسیر آنرا دشوار می سازد. روش های «تشخیص کاراکتر بهینه» (OCR) و «تشخیص کاراکتر مغناطیسی» (MCR) پر استفاده ترین روش ها برای تشخیص کاراکترها یا الگوها می باشند. OCR از ابزارهای نوری برای استخراج کاراکتر، معمولاً با استفاده از یک دوربین یا اسکنر نوری، استفاده می کند. در اینجا، کاراکترها به شکل تصاویر پیکسلی می باشند و می تواند به صورت دست نویس یا چاپ شده، با هر اندازه، شکل یا جهت، باشد. از سوی دیگر، در MCR، کاراکترها با جوهر مغناطیسی چاپ می شوند و دستگاه قرائت کننده، کاراکتر را براساس میدان مغناطیسی منحصربفرد ایجاد شده بوسیله هر کاراکتر، تشخیص می دهد. هر دوی MCR و OCR، در کاربردهای بانکداری و صنعتی مختلف، فوایدی پیدا کرده اند.

این پروژه، یک روش مبتنی بر «شبکه عصبی مصنوعی» (ANN) برای تشخیص کاراکترهای انگلیسی در حضور نویز را نشان می دهد. نویز به عنوان یکی از مسائل اصلی مرتبط با عملکرد سیستم تشخیص کاراکتر، در نظر گرفته شده است. برای رفع این محدودیت، ANN مبتنی بر «انتشار معکوس» (BP)، برای تشخیص کاراکتر انگلیسی در حضور نویز، طراحی می شود. سیستم تشخیص، در متلب تحت سطوح نویز مختلف، طراحی و تست شده است. نتایج تجربی نشان می دهند که رویکرد پیشنهادی می تواند نرخ تشخیص بسیار زیادی برای همه الفباهای انگلیسی در حضور نویز، حاصل کند.

شبکه عصبی، یک روش موثر برای تشخیص کاراکتر در حضور نویز، می باشد. در این پروژه، شبکه عصبی، برای تشخیص الفباهای انگلیسی تحت شرایط محیطی نویزدار، طراحی و تست شده است. نتایج شبیه سازی MATLAB، برای تشخیص الفبای انگلیسی A، ارائه می شوند. نتایج شبیه سازی برای اهداف عملکردی مختلف 0.2 و 0.6، ارائه می شوند. این شبکه در سطح نویز 0.1، طراحی و آموزش دیده شده است.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی آن قرار داده شده است: