Reconhecendo vogais com redes neurais

Disponível somente no TrabalhosFeitos
  • Páginas : 16 (3926 palavras )
  • Download(s) : 0
  • Publicado : 6 de outubro de 2011
Ler documento completo
Amostra do texto
Reconhecimento de Caracteres Usando Redes Neurais - Universidade Tuiuti do Paraná Clemerson Keiber Fausto Vanin (Orientador) Curitiba, 05/12/2010
Resumo - Artigo apresentado à disciplina de Inteligência Computacional II do Curso de Ciência da Computação da Faculdade de Ciências Exatas e de Tecnologia da Universidade Tuiuti do Paraná, como requisito para a obtenção de nota do 2º bimestre, tendocomo objetivo registrar os resultados de um experimento envolvendo a utilização de redes neurais no reconhecimento de caracteres manuscritos, limitando-se ao reconhecimento das vogais. Os resultados demonstram que as redes neurais apresentam-se como um recurso eficaz e muito versátil em tarefas de reconhecimento de padrões, justificando os esforços empregados na pesquisa deste tipo de solução deinteligência computacional. Palavras-chave - Inteligência Computacional, Extração de Características, Redes Neurais, Reconhecimento de Padrões. I. INTRODUÇÃO O reconhecimento de caracteres é uma das áreas de pesquisa da Ciência da Computação e envolve tanto técnicas de Processamento de Imagens Digitais como recursos de Inteligência Computacional. Para atingir estes objetivos diversas técnicaspodem ser utilizadas tanto para localizar e extrair características dos caracteres e algarismos existentes em imagens digitais como também para realizar o reconhecimento de padrões. Os resultados deste tipo de pesquisa possibilitam desde a extração de textos contidos em imagens digitais (evitando a necessidade de digitá-los quando da intenção de reproduzilos em arquivos de texto) até a autenticação deassinaturas. II. PROBLEMAS IDENTIFICADOS De que maneira uma rede neural pode ser configurada para reconhecer caracteres manuscritos? De que forma caracteres manuscritos podem ser convertidos em dados de entrada para a rede neural? III. OBJETIVOS Este experimento teve por objetivo utilizar uma RNA (Rede Neural Artificial) do tipo MLP (Multi Layer Perceptron) no reconhecimento de caracteresmanuscritos contidos em imagens digitais. IV. REDES NEURAIS As RNAs são frequentemente utilizadas em tarefas que envolvem o reconhecimento de padrões, incluindo desde caracteres contidos em imagens digitais até a voz humana (CERA, 2005). Hernandez (2005) cita pelo menos 15 áreas de aplicação para as redes neurais. Uma rede neural é constituída de massivos agrupamentos de pequenas unidades deprocessamento (neurônios artificiais) dispostas paralelamente, e a inteligência da rede se dá através das interligações existentes entre estas unidades de processamento simples (CERA, 2005). A grande quantidade de processamento gerado pelas redes neurais artificiais é empregada na identificação de padrões, de uma forma muito semelhante ao funcionamento do cérebro humano (ibid.). Para que uma rede neural possarealizar o reconhecimento de um padrão específico (como caracteres manuscritos), a estrutura da rede precisa ser treinada de modo a adquirir conhecimento a respeito do padrão que se deseja reconhecer. Para realizar o treinamento de uma rede neural, diferentes algoritmos podem ser utilizados, sendo que o algoritmo conhecido como backpropagation é um dos mais difundidos na literatura que abordaeste tema (ibid.). De acordo o algoritmo backpropagation, os dados que representam os padrões são apresentados repetidamente à entrada da rede neural durante a fase de treinamento, e para cada valor de entrada, compara-se a saída da rede neural com a saída desejada e então um valor de erro é calculado. Este erro é propagado de volta (backpropagated), da saída para a entrada da rede neural, tendo porobjetivo ajustar os pesos de cada conexão, visando reduzir o erro nos próximos passos de treinamento, de modo que o resultado aproxime-se cada vez mais da saída desejada (ibid.). Para que o algoritmo backpropagation possa funcionar, os valores de entrada utilizados durante o treinamento da rede neural devem estar devidamente classificados, informando claramente a qual classe de padrões eles...
tracking img