OCR using Neural Networks

מוסד לימוד
מקצוע
מילות מפתח , , , , ,
שנת הגשה 2006
מספר מילים 4577
מספר מקורות 10

תקציר העבודה

תקציר העבודה בעזרת העבודה אסביר מהי רשת עצבית מלאכותית, (ANN) artificial neural network, כיצד היא פועלת, מהם יתרונותיה על פני החישוב הסדרתי, ואילו שימושים יש לה בעולם שבו הקלטים הם לא ידועים וחלקיים ובכל זאת ההחלטה חייבת להיות נכונה.
אראה, כיצד התחום "בינה מלאכותית" אשר התפתח מאוד במהלך השנים האחרונות, מנסה לחקות כמה מהמאפיינים של רשתות נוירונים/עצביות ביולוגיות, זאת כדי לדמות תהליכי למידה וזיכרון של המוח האנושי.
עיקר תפקידן של רשתות נוירונים מלאכותיות הוא זיהוי תבניות (Pattern Recognition), זיהוי דיבור, קריאת תווים וסימנים וכן יש לה גם שימושים בתחום הרפואה והכלכלה. בעבודה זו התמקדתי ברשתות נוירונים לצורך יישום מנוע לזיהוי תווים – Optical Character Recognition (OCR).
אשר בשלב ראשון, הנקרא "שלב האימון" (Training) הרשת תלמד תווים וסימנים ותיצור מחלקות אב טיפוס של תווים, ובשלב השני, "שלב המבחן", הרשת תסווג קלטים למחלקות המוכרות לה משלב "האימון".
במהלך העבודה מוצגים מספר טכניקות לאימון הרשת, כגון:
Perceptron Learning Rule Back-propagation Learning Rule וכן דוגמה לרשת המזהה 4 תווים.
תוכן עניינים
1.         מבוא לרשתות נוירונים. 3
2 .         מהי רשת נוירונים ומהם רכיביה. 4
2 .1            שכבת הקלט. 5
2 .2            השכבות החבויות. 5
2 .3            שכבת הפלט. 6
2 .4            הנוירון 6
2 .5            Transfer Function. 7
2 .6            רשת נוירונים. 7
2 .7            מבנה רשת הנוירונים. 8
3 .         חוקי למידה ברשתות נוירונים. 9
3 .1.           Perceptron Learning Rule. 10
3 .1.1.        שלבי האלגוריתם. 11
3 .1.2.        דוגמת הרצה. 11
3 .2.           Gradient Decent Technique. 14
3 .3.           Delta Learning Rule. 15
3 .4.           Back Propagation Learning Rule. 16
3 .4.1.        הגדרת הבעיה. 17
3 .4.2.        שלבי האלגוריתם. 19
3 .5.           פתרון בעיית המינימום המקומי 23
4 .         Optical Character Recognition 
5
4 .1.           שלבי זיהוי הקלט לרשת הנוירונים. 26
4 .2.           דוגמה לרשת לזיהוי תווים. 28
5.         סיכום    30
6 .         ביבליוגרפיה    31