Staff View: Red neuronal para el reconocimiento de escritura a mano

Red neuronal para el reconocimiento de escritura a mano

Hoy, en la era digital, el problema del reconocimiento de patrones es muy relevante. En particular, la tarea de reconocimiento de texto es importante en la banca, para la lectura automática de documentos y su control; en sistemas de control de video, por ejemplo, para identificar la matrícula de un...

Full description

Bibliographic Details
Main Authors:	M. Butaev, Mikhail, Yu. Babich, Mikhail, I. Salnikovq, Igor, I. Martyshkin, Alexey, V. Pashchenko, Dmitry, A. Trokoz, Dmitry
Format:	Article
Published:	Universidad Nacional de Ingeniería 2020
Subjects:	710 Urbanismo & arte del paisaje
Online Access:	http://ribuni.uni.edu.ni/4823/1/ricardo%2C%2B33.%2BNeural%2Bnetwork%2Bfor%2Bhandwriting%2Brecognition.%2Besf.pdf

id	4823
recordtype	eprints
spelling	48232023-02-08T23:45:52Z Red neuronal para el reconocimiento de escritura a mano M. Butaev, Mikhail Yu. Babich, Mikhail I. Salnikovq, Igor I. Martyshkin, Alexey V. Pashchenko, Dmitry A. Trokoz, Dmitry 710 Urbanismo & arte del paisaje Hoy, en la era digital, el problema del reconocimiento de patrones es muy relevante. En particular, la tarea de reconocimiento de texto es importante en la banca, para la lectura automática de documentos y su control; en sistemas de control de video, por ejemplo, para identificar la matrícula de un automóvil que violó las reglas de tránsito; en los sistemas de seguridad, por ejemplo, para verificar los billetes en un cajero automático y en muchas otras áreas. Se conocen una gran cantidad de métodos para resolver el problema del reconocimiento de patrones, pero la principal ventaja de las redes neuronales sobre otros métodos es su capacidad de aprendizaje. Es esta característica la que hace que las redes neuronales sean atractivas para estudiar. El artículo propone un modelo básico de red neuronal. Se consideran los principales algoritmos y se implementa un modelo de programación en el lenguaje de programación Python. En el curso de la investigación, se revelaron las siguientes deficiencias del modelo básico: baja tasa de aprendizaje (el número de dígitos reconocidos correctamente en las primeras épocas de aprendizaje); reentrenamiento: la red no ha aprendido a generalizar los conocimientos adquiridos; baja probabilidad de reconocimiento: 95,13%. Para resolver las desventajas anteriores, se utilizaron varias técnicas que aumentan la precisión y la velocidad del trabajo, así como también reducen el efecto del reentrenamiento de la red. Universidad Nacional de Ingeniería 2020-12 Article PeerReviewed text http://ribuni.uni.edu.ni/4823/1/ricardo%2C%2B33.%2BNeural%2Bnetwork%2Bfor%2Bhandwriting%2Brecognition.%2Besf.pdf http://revistas.uni.edu.ni/index.php/Nexo M. Butaev, Mikhail and Yu. Babich, Mikhail and I. Salnikovq, Igor and I. Martyshkin, Alexey and V. Pashchenko, Dmitry and A. Trokoz, Dmitry (2020) Red neuronal para el reconocimiento de escritura a mano. Nexo Revista Científica, 33 (2). pp. 623-637. ISSN 1995-9516 http://ribuni.uni.edu.ni/4823/
institution	Universidad Nacional de Ingenieria
collection	Repositorio Institucional-RIBUNI
topic	710 Urbanismo & arte del paisaje
spellingShingle	710 Urbanismo & arte del paisaje M. Butaev, Mikhail Yu. Babich, Mikhail I. Salnikovq, Igor I. Martyshkin, Alexey V. Pashchenko, Dmitry A. Trokoz, Dmitry Red neuronal para el reconocimiento de escritura a mano
description	Hoy, en la era digital, el problema del reconocimiento de patrones es muy relevante. En particular, la tarea de reconocimiento de texto es importante en la banca, para la lectura automática de documentos y su control; en sistemas de control de video, por ejemplo, para identificar la matrícula de un automóvil que violó las reglas de tránsito; en los sistemas de seguridad, por ejemplo, para verificar los billetes en un cajero automático y en muchas otras áreas. Se conocen una gran cantidad de métodos para resolver el problema del reconocimiento de patrones, pero la principal ventaja de las redes neuronales sobre otros métodos es su capacidad de aprendizaje. Es esta característica la que hace que las redes neuronales sean atractivas para estudiar. El artículo propone un modelo básico de red neuronal. Se consideran los principales algoritmos y se implementa un modelo de programación en el lenguaje de programación Python. En el curso de la investigación, se revelaron las siguientes deficiencias del modelo básico: baja tasa de aprendizaje (el número de dígitos reconocidos correctamente en las primeras épocas de aprendizaje); reentrenamiento: la red no ha aprendido a generalizar los conocimientos adquiridos; baja probabilidad de reconocimiento: 95,13%. Para resolver las desventajas anteriores, se utilizaron varias técnicas que aumentan la precisión y la velocidad del trabajo, así como también reducen el efecto del reentrenamiento de la red.
format	Article
author	M. Butaev, Mikhail Yu. Babich, Mikhail I. Salnikovq, Igor I. Martyshkin, Alexey V. Pashchenko, Dmitry A. Trokoz, Dmitry
author_facet	M. Butaev, Mikhail Yu. Babich, Mikhail I. Salnikovq, Igor I. Martyshkin, Alexey V. Pashchenko, Dmitry A. Trokoz, Dmitry
author_sort	M. Butaev, Mikhail
title	Red neuronal para el reconocimiento de escritura a mano
title_short	Red neuronal para el reconocimiento de escritura a mano
title_full	Red neuronal para el reconocimiento de escritura a mano
title_fullStr	Red neuronal para el reconocimiento de escritura a mano
title_full_unstemmed	Red neuronal para el reconocimiento de escritura a mano
title_sort	red neuronal para el reconocimiento de escritura a mano
publisher	Universidad Nacional de Ingeniería
publishDate	2020
url	http://ribuni.uni.edu.ni/4823/1/ricardo%2C%2B33.%2BNeural%2Bnetwork%2Bfor%2Bhandwriting%2Brecognition.%2Besf.pdf
_version_	1809198703389442048
score	11.129828

Red neuronal para el reconocimiento de escritura a mano

Similar Items