تركيب شبكههاي عصبي بر اساس آموزش يادگيري با همبستگي منفي در بازشناسي كلمات دستنويس فارسي

در این مقاله یك روش طبقهبندي جمعی بر اساس یادگیري با همبستگی منفی براي بازشناسی كل نگر كلمات دستنویس با حجم محدود پیشنهاد میشود. در این روش پس از پیش پردازش، بردارهاي ویژگیهاي مبتنی بر ناحیه بندي، گرادیان و كد زنجیرهاي از تصاویر استخراج میشود. هر یك از این بردارها به مجموعهاي از طبقهبندهاي شبكه عصبی پرسپترون چندلایه اعمال میشوند. طبقهبندهاي پایه بر اساس یادگیري با همبستگی منفی، آموزش داده شده و از این طریق گوناگون میشوند. در نهایت خروجی این طبقهبندها از طریق قواعد میانگین، بیشینه، حاصلضرب، رايگیري و كلیشه تصمیم تركیب میشوند. در آزمایشهایی كه روي تصاویر نام 31 مركز استان از مجموعه داده "ایرانشهر" انجام شده است، ویژگیهاي مبتنی بر گرادیان و آموزش با همبستگی منفی و تركیب از طریق رايگیري، بیشترین نرخ بازشناسی را به دست داده است.