Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida

• Autores: Seijas, Leticia María
• Año de publicación: 2002
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Segura, Enrique Carlos
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

En este trabajo se presenta un sistema reconocedor de números manuscritos con un diseño novedoso, sencillo y modular, que incluye el desarrollo de una técnica híbrida de aprendizaje, basada en la utilización de mapas auto-organizativos de Kohonen. Para medir el rendimiento del sistema, se han realizado pruebas utilizando la base de datos de dígitos manuscritos sin restricciones de la Universidad de Concordia, Canadá, obteniéndose resultados comparables a los publicados por otros autores para la misma base de datos. El sistema propuesto no sólo permite clasificar dígitos; también permite explicar las respuestas dadas y detectar patrones ambiguos, indicando a qué otras clases podrían pertenecer. Además, los mapas Kohonen utilizados, muestran gráficamente la distribución de los datos de entrenamiento, contribuyendo también a la explicación de las respuestas. La utilización de varias características representativas extraídas de los datos de entrada durante la etapa previa de preprocesamiento, y el tratamiento de las mismas en forma independiente, permite que la presencia de errores en los patrones de entrada no tenga gran influencia en la respuesta del sistema.
This work introduces a system for the recognition of handwritten numerals, with an innovative, simple and modular design, that includes the development of a hibrid leaming technique based on the use of Kohonen Self-Organizing maps. In order to measure the performance of the proposed system, tests were conducted using the unconstrained handwritten numeral database of Concordia University, Canada. The performance obtained is comparable to other results reported in the literature for the same data set. The proposed system not only allows digit classification, but also to explain the answers obtained and detect ambiguous pattems, indicating the classes they could belong to. On the other hand, the Kohonen maps used show graphically the distribution of the training data, contributing to the explanation of the answers. The use of various representative features obtained from the input data during the preprocessing stage, and the independent processing of them, prevent errors in the input pattems from having too much influence on the behaviour of the system.
Fil: Seijas, Leticia María. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.