طراحی و تشخیص حروف فارسی و غیر فارسی با شبکه عصبی در متلب
پروژه ۶۱۴: شبیه سازی در متلب با شبکه عصبی + توضیحات کامل
خلاصه ای از کار: (شبیه سازی در دو مود بررسی شده: ۱٫ حروف بدون نویز و ۲٫ حروف با وجود نویز )
در شبکه های حافظه انجمنی هدف اصلی،یادگیری Q زوج ورودی و خروجی
می باشد.و به ترتیب P ورودی و Q خروجی i ام شبکه هستند.به عبارتی اگر شبکه ورودی p را دریافت کند بایستی خروجی شبکه برابر باشد با a.
حال دو ساختار شکل زیر را در نظر می گیریم که برای شناسایی الگوهای دیجیتالی که عناصر انها متعلق به مجموعه{۱و۱ -}و یا {۱و۰}هستند:
در شکل الف خروجی مقدار ۱و۱- دارد ،در صورتی که در شکل ب اضافه کردن بایاس خروجی ۱و۰ را می دهد.هر کدام از این دو مدل کاربردهای خاص خود را دارند در اینجا مثالی که اهمیت ترم بایاس را نشان دهد در شبکه اینستار (شکل ب) بیان خواهم کرد :
این شبکه، ساده ترین شبکه ای است که قابلیت شناسایی الگوها را داراست واضح است که نرون اینستار زمانی فعال خواهد بود که۰ n≥ و wp≥-b باشد . مثالی دیگر که اهمیت ترم بایاس را بیان می کند در toolboxمطلب زمانی که از دستور plotcharاستفاده می کنیم، شکل های زیر را مشاهده میکنیم که خروجی ۱- اثری ندارد:
ماشینی که تشخیص پترن ها (حروف،اعدادو…)را ایفا کند بسیار پر اثر است.مثلا ماشینی که بتواند چک های بانکی را تشخیص دهد می تواند تعداد بیشتری از چک ها را نسبت به عملکرد انسان انجام دهد .این امر احتیاجاتی از عملکرد تکراری انسان را برطرف می کند.
میخواهیم حروف ک ،ح ،ش را به کمک شبکه انجمنی طراحی کنیم .حروف را به شکل زیر در یک ماتریس ۸*۹ طراحی کرده ،مشخص است که ۷۲عنصر ورودی به عنوان الفبا داریم وtarget به عنوان خروجی معرفی شده.در ۷۲ عنصر ورودی ۱+ برای مربع توپر قرمز رنگ و۱- برای مربع سفید .مثلا برای حرف ک می نویسیم:
p1=[-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 1 -1 -1 -1 -1 -1 -۱ -۱ -۱ ۱ -۱ -۱ -۱ -۱ -۱ ۱ -۱ -۱ ۱ -۱ -۱ -۱ -۱ ۱ -۱ ۱ -۱ ۱ -۱ -۱ -۱ ۱ -۱ -۱ -۱ ۱ ۱ -۱ -۱ -۱ -۱ -۱ -۱ -۱ -۱ -۱ -۱ -۱]’;
کارهای انجام شده:
- ابتدا برنامه ایم می نویسیم که حروف فوق را به کمک شبکه عصبی انجمنی تشخیص داده شود .
- برنامه ای می نویسیم که توسط شبکه عصبی انجمنی به حروف فوق نویز وارد گشته و با توجه به این نویز باز هم بتوانیم حروف را تشخیص دهیم.
- تشخیص حروف خاص همانند حرف س و ش ، خ ج ح چ که بسیار مشابه هم هستند.
توضیحات بخش اول:
شبکه ای که طراحی می کنیم باید قادر باشد با نویز سروکار داشته باشد.در ابتدا شبکه در ورودی نویزی نداشت حال می خواهیم تغییراتی را در ورودی ایجاد کرده و روی نویزپذیری و همگرائی سیستم بحث نمائیم .احتمال دارد در پترن های ورودی به جای ۱+ و۱- اعداد دیگری وجود داشته باشند.برای نویز های با میانگین ۰ تا ۲۰% زیاد اثری ندارد،اما برای بزرگتر از ۲۰% اثر نویز ساخته می شود وشکل مربوطه را به هم می زند به
طوری که اگر خطا را به بیش از ۶۰% افزایش دهیم بیشترین خطا منعکس می شود.برای بهبود شبکه از نویز ،می توانیم تعداد نرون ها را در لایه پنهان بیشتر کنیم یا برای افزایش دقت عامل های ورودی از نویز، تعداد پترن ها را افزایش میدهیم که در این مثال انها را به ۷۲ پترن در یک ماتریس ۸*۹ ارتقا داده که این امر سبب گردیده برنامه تا حدود ۶۰% تا۷۰% نویز قابلیت خواندن حروف را دارا باشد و نتیجه درست را به ما می دهد.
توضیحات بخش دوم:
در ۳۲ حرف الفبای فارسی ،تعدادی از انها شبیه به هم هستند فقط اختلافشان در چند نقطه می باشد از جمله حرف س و ش که در این مثال بیان شده که اختلافشان در سه پترن می باشد .چنانچه اگر نویزی در این سه پترن اتفاق بیافتد تشخیص حروف س و ش بسیار مشکل می شود و این دو را با هم اشتباه می گیرد.
توضیحات بخش سوم:
درتوضیح بند قبل بیان کردیم که در ۳۲ حرف الفبای فارسی ،تعدادی شبیه به هم هستند نمونه دیگر آن حروف ح ج خ چ میباشد که تفاوتشان فقط در چند نقطه می باشد.
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید .
دیگر پروژه های قابل دانلود:
مجموعه: شبکه عصبی, مهندسی کامپیوتر