Распознование рукописного текста
Анастасия25 января 2009Data Mining4 комментария
Анастасия25 января 2009Data Mining4 комментария
Помогите в таком вопросе:
Пишу диплом на тему "Графологическая нейронная система". В результате работы - распознавание принадлежности почерка к человеку, для определения его характера. Дошла до сегментации строк, сейчас нахожусь в заблуждении что делать дальше. Ищу всевозможную литературу, коды, алгоритмы, исходники. Если есть возможность, помогите, пожалуйста. Пишите savchenko_nastya@inbox.ru
Спасибо.
Комментарии
Войдите или зарегистрируйтесь для добавления комментариев.
Victor Tsaregorodtsev
26 января 2009 16:29 Ссылка
Обновлён
Ну, есть работы мною уважаемого Яна ЛеКуна, но Вы такую круть наверно не реализуете. Тем более, что в интернете исходники есть только для его сверточной нейросетки (а не для алгоритма сегментации), и эти исходники довольно тормозные (мой вариант, наверно, на порядок быстрее, но его не дам). Так что даже не знаю, стоит Вас в эту сторону ориентировать, или нет :(
Диплом действительно сильно заумный писать не планировала,разворачиваю тему по минимуму, да и времени особо нет. Если не сложно дайте ссылку на работы Яна ЛеКуна, может что-то полезное для себя найду. Сегментацию сегодня отставила на задний план. Решила писать двухслойную нейронную сеть с учителем на C#. Если есть информация, пожалуйста поделитесь. Может если разработки какие-то и на Delphi есть, буду всему очень рада. Заранее спасибо.
e-mail savchenko_nastya@inbox.ru
С уважением.
http://yann.lecun.com - в разделе статей брать статью 98г "Gradient-based learning applied to document recognition". Там в середине есть и результат сравнительной точности нескольких методов распознавания (и разных нейросеток) применительно к задаче распознавания рукописных цифр (использованная база рукописных цифр тоже доступна на сайте - в разделе MNIST, файлы эти под Виндоуз распаковываются ВинЗипом или 7-Зипом). Хотя, конечно, за 10 прошедших лет уже и эти авторы, и другие авторы точность указанных методов немного повысили (например, более тщательной настройкой параметров алгоритмов) - но тем не менее на эти старые цифры всё-таки ориентироваться можно как на тот тестовый уровень, который надо будет выжать из реализуемого Вами алгоритма (если он попадает в число перечисленных) чисто для проверки правильности Вашей программной реализации.
По многослойным персептронам и алгоритму обратного распространения (если именно эту связку понимаете под "двухслойной сетью") обязательна к прочтению еще одна тамошняя статья - "Efficient backprop". В первой своей части (до детального обсуждения вторых производных) - это хороший букварь по выбору дополнительных к нейросети методов (например, методов предобработки/масштабирования данных) и параметров этих методов, как и параметров алгоритма обучения сети.
Спасибо!
Очень благодарна.
Если есть еще идеи пишите.
С уважением.