نحوه نمایش مطالب: تاریخ | امتیاز | بازدیدها | نظرات | الفبایی
اطلاعات مطلب
  • بازديدها: 180497
  • نويسنده: kiyanmajd
  • تاريخ: 7 تیر 1390
7 تیر 1390

تشخیص حروف چاپی(ICR)+شبکه های عصبی در متلب(جلسه چهارم)

دسته بندی: مقالات, آموزشی, علمی

مقدمه ای بر شبکه های عصبی

مقدمه

جستجو برای هوش مصنوعی) ماشین ( یا سیستم هایی با رفتار انسانی چالشی فرا روی محققان شاخه­ های مختلف بوده است . بحث هایی بر روی تعریف یک سیستم هوشمند وجود دارد اما تنها سیستمی که به عنوان هوشمند مورد توجه قرار می گیرد ، مغز انسان است و اینجاست که یک ایده ی مهندسی معکوس مطرح می شود . چرا بایستی چیزهایی را که هم اکنون وجود دارند، اختراع کنیم . در میانه های قرن بیستم ، ایده ای برای شبیه سازی مغز انسان از طریق طراحی پایین به بالای سیستم با شروع از نرون­1های به هم متصل و رسیدن به شبکه هایی که اعمال اصلی سیستم عصبی انسان را شبیه سازی می کنند ، مطرح شد.

با گذر زمان ، شبکه های عصبی2 خودشان را به عنوان مدل محاسباتی مورد استفاده مطرح کردند.  شبکه های عصبی معمولا در انجام وظایف کامپیوتر های عام ) عملیات با اعداد ، اعمال منطقی و (… نادقیق هستند ، اما در زمینه هایی که کامپیوتر ها در آنجا به مشکل بر می خورند ، کارآیی بیشتری دارند مانند زمینه هایی که الگوریتم مشخصی وجود ندارد مانند پیش بینی ، تشخیص چهره و ... .

یک شبکه عصبی مصنوعی چیست؟

یک شبکه عصبی مصنوعی (ANN3) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته تشکیل شده  (neurons) که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها، نظیر انسانها، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد.

اگر چه مکانيسم های دقيق کارکرد مغز انسان (يا حتی جانوران) به طور کامل شناخته شده نيست، اما با اين وجود جنبه های شناخته شده ای نيز وجود دارند که الهام بخش تئوری شبکه های عصبی بوده اند.

ادامه مقاله را به صورت PDF از لینک زیر دانلود کنید....

 

تعداد صفحات: 24


chapter4.rar [626.43 کیلوبایت] ( تعداد دانلود: 2902)

 

 

 

 

 

 

شادو پیروز باشید



[1] neuron

[2] neural network

[3]Artificial Neural Network

ابر تگ‌ها: شبکه های عصبی, هوش مصنوعی

اطلاعات مطلب
  • بازديدها: 82594
  • نويسنده: kiyanmajd
  • تاريخ: 3 تیر 1390
3 تیر 1390

تشخیص حروف چاپی(ICR)+شبکه های عصبی در متلب

دسته بندی: مقالات, آموزشی, علمی

درود!

در این مجموعه ی آموزشی به بررسی انواع روش­ های تشخیص حروف پرداخته و همچنین برخی از این روش ها را پیاده سازی خواهیم کرد.

از ملزومات این آموزش دستورات مقدماتی و تکنیک­ های پردازش تصویر (در متلب)می باشد که می توانید به مقاله ای با همین مضمون در اینجا مراجعه کنید.

 

جلسه اول را با اشاره ای به تاریخچه و اصطلاحات پایه­ ای ocr شروع خواهیم کرد.

سپس در جلسه بعدی به بررسی انواع روش­ های تشخیص متن پرداخته و با ارائه روش هایی جهت استخراج ويژگي برای دسته­ بندي حروف این جلسه را به پایان خواهیم رساند.

 

در جلسه سوم  به بررسی اولین روش پیاده سازی شده در این مجموعه آموزشی می پردازیم که به آن روش template matching اطلاق می­ شود. و دلیل استفاده از این روش ساده­ گی پیاده سازی و قابل فهم بودن آن می باشد تا با دید گرفتن از هدف اصلی آموزش  بتوانیم روش­ های دیگر را پیاده سازی کنیم. همان طور که خواهید دید ما برای افزایش سرعت اجرای برنامه در این روش، مختصری از تکنیک های آماری و ساختاری نیز استفاده خواهیم نمود.

 

در جلسه چهارم به آشنایی با مبانی یکی از مهمترین بخش­ های هوش مصنوعی، یعنی شبکه­ های عصبی خواهیم پرداخت که یکی از بهترین روش­ های موجود در پیاده­ سازی ocr می باشد.

 شبکه عصبی روش خام تلاش انسانها جهت شبیه سازی الکترونیکی مغز است. که البته تا حدودی توانسته­ اند به این مقصود برسند.

به دلیل اهمیت شبکه­ عصبی ، ما آشنایی با مبانی آن را در جلسه ای جداگانه می آوریم، و در این جلسه بعد از آوردن مقدمه و تاریخچه ­ای از شبکه­ های عصبی، دلایل و مزیت­ های شبکه­ های عصبی تشریح شده، سپس اجزای یک شبکه و معماری آن مورد بررسی قرار خواهیم داد. در ادامه به بحت یادگیری شبکه­ های عصبی خواهیم پرداخت و با بیان کاربردهای وسیع شبکه­ های عصبی در زمینه­ های مختلف این جلسه را به پایان می رسانیم.

 

و در نهایت در جلسه آخر به مبانی پیاده ­سازی شبکه­ های عصبی با متلب می پردازیم و انواع توابعی که برای ایجاد شبکه در متلب وجود دارد را آورده و از این بین به پیاده ­سازی شبکه خود با سه عدد از این توابع رضایت می­دهیم. در همین جلسه به نحوه­ ی آموزش شبکه و تست آن نیز خواهیم پرداخت. و به پیاده سازی شبکه برای تشخیص حروف با سه شبکه های عصبی MLP، RBE و PNN می پردازیم.

در ادامه ی این فصل با آزمایشات مختلف عملکرد هر یک از شبکه­ های فوق را مورد بررسی قرار می­دهیم و با ایجاد جدول درستی و جدول سردرگمی هر یک از شبکه ها را مورد ارزیابی قرار می­دهیم و در نهایت با ایجاد جدول مقایسه، به مقایسه این سه شبکه پرداخته شده است.

 

امیدواریم آموزش در پیش گرفته مورد توجه دوستان قرار بگیرد.

 

 دانلود تمامی جلسات از اینجا

ابر تگ‌ها: اصطلاحات پایه ­ای ocr, انواع روش­های تشخیص متن, شبکه­ های عصبی, هوش مصنوعی, RBE, MLP, PNN

^