پردازش خودکار از دست نویس فارسی جهت درست نوشتن حروف برای مقطع اول دبستان با استفاده از شبکه های عصبی مصنوعی روی سیستم های اندروید

یکی از مسائل مهم در حوزه شناسایی الگو، بازشناسی شناسه های دست نویس است که تاکنون تحقیقات زیادی انجام شده و اما از بعضی جهات به عنوان یکی از مسائل باز مطرح است. توسعه روش های کارآمدجهت بازشناسی شناسه های دست نویس می تواند در شناسایی خودکار حروف و اعداد درج شده در فرم ها، مبالغ چک ها و بسیاری کاربردهای دیگر راه گشا باشد. بزرگ ترین چالش در این زمینه، تنوع شیوه هایرسم شناسه ها است. و یکی از اولین مسائلی که شبکه های عصبی به عنوان گزینه ای برای حل آن مطرح شد، بازشناسی شناسه ها بود. امروزه، شبکه های عصبی مصنوعی به صورت گسترده در بازشناسی و تحلیل اسناد به کار می رود. کهبیشتر تلاش ها در زمینه ی بازشناسی شناسه های مجزای دست نویس و چاپی اختصاص داشته است. تنوع شبکه های عصبی مورد استفاده در این حوزه قابل توجه است. از آن جمله می توان به پرسپترون چند لایه MLP ماشین بردارپشتیبان SVM شبکه های خود سازمانده SOM شبکه های انجمنی و انواع دیگر اشاره کرد. این مقاله، به بررسی کاربرد های شبکه های عصبی در مراحل مختلف سیستم ها بازشناسی شناسه های دست نویس دانش آموزان اول ابتدایی اختصاص دارد. بخش اول مقدمه و در ادامه به مسائل در خور شبکه های عصبی مصنوعی وکاربردهای آن، و سپسPerceptron ها را که یکی ازمهمترین الگوریتم های شبکه های عصبی مصنوعی می باشد معرفی می کنیم. بخش دوم به کاربرد های شبکه های عصبی درپیش پردازش تصاویر ورودی و بخش سوم، موارد استفاده از شبکه های عصبی در بخش بندی و بخش چهارم، کاربردهای شبکه ی عصبی در دسته بندی و بخش پنجم نیز، جمع بندی و پیشنهادات ارائه شده است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، پیش پردازش ، بخش بندی ، دسته بندی ، الگوریتمKNN