بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP

در این مقاله، یک سامانه بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP ارائه شده است. در الگوریتم پیشنهادی، ابتدا گروهی که زیر-کلمه ناشناخته ورودی در آن قرار دارد، مشخص می شود. اگر این گروه فقط یک عضو داشته باشد، آن کلاس به زیر-کلمه ورودی نسبت داده م یشود وگرنه، گروه بدن ه زیر -کلمه ناشناخته با بدنه های زیر-کلمات هم گروه مقایسه م یشود. زیر-کلمه ای که بدنه آن با بدنه زی ر-کلمه ورود ی، کمتری ن فاصله را داشته باشد، به زیر-کلمه ورودی نسبت داده م یشود. سیستم بازشناسی علاوه بر شبیه ترین زیر-کلمه، حداکثر 9 زیر-کلمه دیگر را نیز که در رتبه های بعدی از نظر فاصله با زیر-کلمه ناشناخته قرار م یگیرند، پیشنهاد م یکند. اگر زیر-کلمه یافت شده، زیر-کلمه مورد نظر کاربر نبود، سیستم قادر است آنرا بعنوان نمونه ای جدید آموزش ببیند. این سیستم پیشنهادی بر روی مجموعه داده استاندارد شامل 11 نمونه از هر زیر-کلمه با یک فرهنگ 1000 زیر-کلمه ای آزمایش شده است. سرعت تشخیص برای این 1000 زیر - کلمه آموزش دیده توسط این سیستم، بطور متوسط 60 ثانیه برای هر زیر-کلمه و میزان بازشناسی درست، 99.86 درصد بدست آمده است.

کلیدواژه ها:

بازشناسی بر خط دست نوشته ، زیر - کلمه ، کمترین فاصله ، استخراج ویژگی ، MLP