SISTEMA DE RECONOCIMIENTO DE DÍGITOS MANUSCRITOS UTILIZANDO REDES NEURONALES
Resumen
El reconocimiento de dígitos manuscritos es un entorno en creciente uso y por consiguiente requiere ir abordando alternativas para su implementación, el uso de redes neuronales ha venido retomando el auge dentro del área de reconocimiento de patrones. Este documento muestra el uso de redes neuronales, a través de un software personalizado, como el motor detrás un sistema de reconocimiento de caracteres ópticos. En este sistema los dígitos numéricos son simplificados a través de filtros de imagen y luego presentados como entrada a la red neuronal para entrenarla (usando el algoritmo de retro-propagación) y ser capaz de clasificar otras muestras en la etapa de pruebas. Los resultados muestran tasas de reconocimiento cercanas al 85%, que se pueden considerar como aceptables para topologías de una sola capa, dejando pendiente para futuros experimentos el trabajo con redes multicapa pre-entrenadas, ya que suelen incrementar fuertemente su eficiencia.
Texto completo:
1075-1093 PDFReferencias
Y. Perwej, A. Chaturvedi, "Neural Networks for Handwritten English Alphabet Recognition". International Journal of Computer Applications. Vol. 20. No. 7. April 2014.
A. Pal, D. Singh, "Handwritten English Character Recognition Using Neural Networks," International Journal of Computer Science & Communication. Vol. 1. No. 2. July-December 2010.
C. Patel, "Handwritten Character Recognition Using Neural Networks". International Journal of Scientific & Engineering Research. Vol. 2. No. 5. May 2011.
J. J. Castaneyra-Matus, Reconocimiento de Dígitos del Código Postal Mexicano Mediante Redes Neuronales Artificiales. Tesis de Licenciatura. México: Universidad Tecnológica de la Mixteca.
G.R. Cónstenla, Reconocimiento Óptico de Dígitos con Redes Neuronales. Tesis de Doctorado, Argentina: Universidad del Belgrano. 2010.
C.J. Sánchez-Fernández, V.S. Consuegra, Reconocimiento Óptico de Caracteres (OCR). Madrid, España: Universidad Carlos III.
Y. Perwej, A. Chaturvedi, "Neural Networks for Handwritten English Alphabet Recognition". International Journal of Computer Applications. Vol. 20. No. 7. April 2014.
Umal Patel, "An Introduction to the Processo of Optical Character Recognition," International Journal of Science and Research. Vol. 2. No. 5. May 2013.
N. Casillas Gil, Sistema Basado En Redes Neuronales Para El Reconocimiento De Dígitos Manuscritos. Tesis de Licenciatura, Universidad Carlos III de Madrid. Madrid, España. 2012.
Tim Klassen, Towards Neural Network Recognition of Handwritten Arabic Letters. Halifax, Nova Scotia, Dalhousie University. 2001. Canada.
F. Bortolozzi, A. de Souza Britto, L. S. Oliveira, M. Morita, "Recent Advances in Hadwriting Recognition". 2006.
V. Sandu and Florin Leon, Recognition of Handwritten Digits Using Multilayer Perceptrons. Buletinul Insitutului Politehnic Din Iasi. 2009.
D. Kriesel, A Brief Introduction to Neural Networks. Germany: University of Bonn. 2005.
Christos Stergiou and Dimitrios Siganos. NEURAL NETWORKS. https://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html#Contents.
Leticia María Seijas, Reconocimiento de patrones utilizando tecnicas estadisticas y conexionistas aplicadas a la clasificación de dígitos manuscritos. Tesis de Doctorado, Universidad de Buenos Aires. 2011. Buenos Aires, Argentina.
Weisstein, Eric W. "Linear Congruence Method." From MathWorld--A WolframWeb. http://mathworld.wolfram.com/LinearCongruenceMethod.html.
Handwriting Recognition, Jeff Heaton. http://www.jeffheaton.com. Febrero, 2016.
H. A. Legal-Ayala, J. Facon, “Image segmentation by learning approach”. In Proceedings of the 7th International Conference on Document Analysis and Recognition. Vol.2. 2003. Pp 819.
Y. C. Jhing-FaWang, “Locating the destination address block on images of complex mail pieces”. Journal of the Chinese Institute of Engineers. 2001.
J. J. Hull, S. N. Srihari, L. Kuan, P. Cullen, P. Palumbo, “A blackboard-based approach to handwritten Zip code recognition”. In Proceedings of 3rd United States Postal Service Advanced Technology Conj. 1988. Pp. 1018-1032.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx