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
Estado
versión publicada
Colaborador/a o director/a de tesis
Segura, Enrique Carlos
Descripción
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.
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000194_Seijas

id BDUBAFCEN_df3fefeaa0a946a879fea90614e882be
oai_identifier_str seminario:seminario_nCOM000194_Seijas
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbridaSeijas, Leticia MaríaEn 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.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesSegura, Enrique Carlos2002-08-23info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000194_Seijasspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:43:32Zseminario:seminario_nCOM000194_SeijasInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:43:33.644Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
title Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
spellingShingle Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
Seijas, Leticia María
title_short Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
title_full Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
title_fullStr Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
title_full_unstemmed Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
title_sort Reconocimiento de dígitos manuscritos mediante redes neuronales : una técnica híbrida
dc.creator.none.fl_str_mv Seijas, Leticia María
author Seijas, Leticia María
author_facet Seijas, Leticia María
author_role author
dc.contributor.none.fl_str_mv Segura, Enrique Carlos
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2002
dc.date.none.fl_str_mv 2002-08-23
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000194_Seijas
url https://hdl.handle.net/20.500.12110/seminario_nCOM000194_Seijas
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1844618752940834816
score 13.070432