مهدی توپچی - کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی،دانشگاه بین المللی امام رضا(ع)
سیده اعظم ابوالقاسم پور - کارشناسی ارشد مهندسی کامپیوتر نرم افزار ، واحد علوم و تحقیقات خراسان رضوی

استفاده از شبکه های عصبی برای شناسایی نوری کاراکتر به عنوان یک انتخاب مناسب اثبات شده است. در این مقاله، یک سیستم OCR برای تشخیص حروف دست نویس فارسی با استفاده از شبکه ی عصبی پرسپترون چند لایه طراحی شده است. برای این منظور ابتدا تصاویر باینری کاراکترها با استفاده از محاسبه ی ثابت های گشتاور به بردار تبدیل می شوند و پس از نرمال سازی خطی بین صفر و یک به عنوان ورودی شبکه عصبی پرسپترون چند لایه برای کلاس بندی و تشخیص در نظر گرفته شده اند. در پایان آموزش و آزمایش شبکه ی عصبی طراحی شده بر روی قسمتی از مجموعه دست نویس فارسی هدی انجام شده است. تعداد 100 نمونه از 5 حرف فارسی ا ب ج ز ط از مجموعه دست نویس فارسی هدی برای آموزش، تائید و آزمایش شبکه ی عصبی طراحی شده در نظر گرفته شده است. نتایج پیاده سازی به صورت Class-confusion Matrix گزارش شده است و دقت کلی تشخیص سیستم طراحی شده 92.3% گزارش می شود.

شیکه های عصبی ، شناسایی نوری کاراکترها، ثابت های گشتاور، حروف دست نویس