سيستم بازشناسي حروف دست نويس فارسي بر اساس الگوريتم آموزش فعال با استفاده از كميته اي از دسته بندها
در مسايل يادگيريِ واقعي، بدست آوردن نمونه هاي برچسب دار براي آموزش بسيار پرهزينه مي باشد. در اين مقاله روشي براي دسته بندي حروف پيشنهاد شده است كه در آن ابتدا يك كميته شامل يك شبكه عصبي ساده چند لايه، يك دسته بند بيزين ساده و يك دسته بند Rocchio با تعداد كمي نمونه برچسبدار ساخته م يشوند. سپس با استفاده از يادگيري فعال و با بكارگيري روش نمونه برداري براساس عدم اطمينان و اختلاف نظر بين اعضاي كميته و عدم مشابهت، نمونه هاي مفيد را براي برچسب گذاري به كاربر مي دهد تا در آموزش مجدد دسته بندها استفاده كند. در نهايت در مرحله تست از تركيب آراي اعضاي كميته براي تعيين كلاس داده ورودي استفاده مي شود. همچنين مقايسه اي بين نتايج دسته بندي حاصل از روش هاي معمولي آموزش، روش هاي فعال آموزش با استفاده از يك دسته بند و روش پيشنهادي صورت گرفته است. اين مقاله همچنين از روش قاب بندي براي استخراج ويژگيها استفاده مي كند. اين روش وابسته به قلم و اندازه حرف ورودي نيست و با يك تغيير كوچك در مرحله پيش پردازش براي هر زباني با هر قلمي و هر اندازه اي مي تواند كارا باشد. نمونه هاي استفاده شده بصورت دستي جمع آوري و پردازش شده اند.
|