Розпізнавання рукописних математичних виразів в режимі реального часу на основі нечітких нейронних мереж
| dc.contributor.author | Надеран, Едріс | |
| dc.contributor.degreedepartment | Кафедра математичних методів системного аналізу | uk |
| dc.contributor.degreefaculty | Навчально-науковий комплекс «Інститут прикладного системного аналізу» | uk |
| dc.contributor.degreegrantor | Національний технічний університет України «Київський політехнічний інститут» | uk |
| dc.date.accessioned | 2015-11-25T11:37:51Z | |
| dc.date.available | 2015-11-25T11:37:51Z | |
| dc.date.issued | 2015 | |
| dc.description.abstracten | Dissertation for a Ph.D. degree. in specialty 05.13.23 – Systems and Means of Artificial Intelligence – National Technical University of Ukraine “Kiev Polytechnic Institute”, Kiev, 2014. The dissertation is devoted to the development of efficient methods of handwritten mathematical expressions recognition. The study proposes an approach to features extractions technique for handwritten symbols, which is based on simplifying a piecewise linear curve with the Ramer-Douglas-Peucker algorithm. The dissertation presents an efficient symbol recognition method based on handwritten symbols classification using NEFCLASS a neuro-fuzzy approach as a means for classification. Also a hybrid machine learning technique proposed by using genetic algorithm during the initial machine learning stage and the conjugate gradient method during the extended machine learning stage in order to increase the symbols recognition accuracy and decrease machine training time. A structural analysis approach proposed to determine spatial relations among symbols of mathematical expressions. It consists of the stage of position determining, reconstruction and symbols grouping. An efficient rule-based dynamic Heuristic approach presented based on the knowledge of writing sequence, semantic values and spatial relations between the symbols to increase accuracy of structural analysis. | uk |
| dc.description.abstractru | Диссертация на соискание учёной степени кандидата технических наук по специальности 05.13.23 – системы и средства искусственного интеллекта. - Национальный технический университет Украины «Киевский политехнический институт», Киев, 2014. В связи с развитием планшетных персональных компьютеров, появляется необходимость ввода данных без использования клавиатуры. Начало эры пост-ПК, наблюдаемое сегодня, указывает на наличие глобальной тенденции роста использования вычислительных устройств с сенсорными экранами, таких как смартфоны и планшетные ПК. Математические выражения составляют основную часть в большинстве научных и технических дисциплин, но ввод математических выражений в ПК с помощью традиционных устройств ввода, таких как клавиатура и мышь, является более сложным, чем набор обычного текста, поскольку математические выражения состоят из специальных символов, букв и цифр, которые имеют различные пространственные отношения. Таким образом, возможность ввода математических выражений рукописным путем с помощью стилуса и сенсорного экрана позволит сделать этот процесс более естественным, простым и быстрым для пользователя. Диссертация посвящена разработке новых методов распознавания и структурного анализа рукописных математических выражений с целью повышения эффективности их ввода в ЭВМ в режиме реального времени. При онлайн распознавании можно проследить траекторию написания символа и определить точку касания и точку отрыва пера. Предложен способ выделения информативных признаков, характеризующих символы математического выражения, основанный на использовании точек ломаной аппроксимирующей кривую символа. Для нахождения аппроксимирующих точек использован алгоритм Рамера - Дугласа – Пекера, который позволяет на несколько порядков уменьшить число точек кривой, максимально сохранив ее очертания с заданной точностью ε. Проведен сравнительный анализ предложенного способа, основанного на использовании аппроксимирующих точек, и существующего, основанного на использовании доминантных точек. Разработан метод распознавания рукописных символов, основанный на использовании в качестве классификатора нечеткой нейронной сети NEFCLASS. Предложен следующий набор информативных признаков: максимальный угол, среднее значение углов, прямолинейность, топология, гистограмма углов, площадь сегментов. Проведен ряд экспериментов нечеткой нейронной сети с различными алгоритмами обучения параметров функции принадлежности. Для повышения эффективности распознавания символов предложено применять генетический алгоритм на этапе первичного обучения системы и алгоритм сопряженных градиентов на этапе дообучения системы для улучшения временных показателей. Предложен метод структурного анализа рукописных математических выражений, позволяющий определить пространственные отношения между составляющими математического выражения, состоящий из этапа размещения, этапа реконструкции и этапа группировки символов. Разработана динамическая база эвристических правил, основанная на знаниях о порядке записи и пространственных отношениях между символами, позволяющая проводить реконструкцию символов и коррекцию неправильно распознанных символов в последовательности путем нахождения ее семантического значения. Предложенные в диссертационной работе методы реализованы в виде информационной технологии распознавания рукописных математических выражений, вводимых в ЭВМ в режиме реального времени. Среднее время распознавания каждого символа составило 150 миллисекунд, что удовлетворяет требованиям к использованию системы в режиме реального времени. Точность распознавания составила 91,54%, после реконструкции символов - 95,32%, точность структурного анализа составила 71,29%. | uk |
| dc.description.abstractuk | Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 - Системи та засоби штучного інтелекту. - Національний технічний університет України «Київський політехнічний інститут», Київ, 2014. Дисертація присвячена розробці нових методів розпізнавання та структурного аналізу рукописних математичних виразів з метою підвищення ефективності їх введення в ЕОМ в режимі реального часу. У роботі запропоновано спосіб знаходження інформативних ознак для рукописних символів, заснований на побудові точок ламаної апроксимуючої криву символу, та метод розпізнавання рукописних символів, заснований на використанні у якості класифікатора нечіткої нейронної мережі NEFCLASS. Для підвищення якості розпізнавання символів у роботі застосовується генетичний алгоритм навчання параметрів функції належності на етапі первинного навчання системи і алгоритм спряжених градієнтів на етапі донавчання системи. Запропоновано метод структурного аналізу рукописних математичних виразів, що дозволяє визначити просторові відносини між складовими математичного виразу, та складається з етапу розміщення, етапу реконструкції та етапу групування символів. Для реконструкції символів і корекції невірно розпізнаних символів використовується розроблена динамічна база евристичних правил. Запропоновані в дисертаційній роботі методи реалізовані у вигляді інформаційної технології розпізнавання рукописних математичних виразів, що вводяться в ЕОМ в режимі реального часу. | uk |
| dc.format.page | 21 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/13998 | |
| dc.language.iso | uk | uk |
| dc.publisher | Національний технічний університет України «Київський політехнічний інститут» | uk |
| dc.publisher.place | Київ | uk |
| dc.status.pub | published | uk |
| dc.subject.udc | 004.932.75'1 | uk |
| dc.title | Розпізнавання рукописних математичних виразів в режимі реального часу на основі нечітких нейронних мереж | uk |
| dc.type | Other | uk |
| thesis.degree.level | candidate | uk |
| thesis.degree.name | кандидат технічних наук | uk |
| thesis.degree.speciality | 05.13.23 – системи та засоби штучного інтелекту | uk |