Skip to content

Riconoscimento Di Caratteri Manoscritti Mediante Rete Neurale Addestrata Con Algoritmo Costruttivo Topologico

Informazioni tesi

  Autore: Luigi Brugnolo
  Tipo: Tesi di Laurea
  Anno: 1993-94
  Università: Università degli Studi di Roma La Sapienza
  Facoltà: Ingegneria
  Corso: Ingegneria Elettronica
  Relatore: Giuseppe Martinelli
  Lingua: Italiano
  Num. pagine: 209

Un riconoscitore generale di caratteri, che possa essere tanto sofisticato da performare ogni funzione arbitraria, è solo una possibilità teorica. Attualmente i sistemi di riconoscimento possono trattare soltanto limitate e ben definite classi di caratteri.
Un riconoscitore, da un punto di vista puramente teorico, è un apparato che deve performare una serie di operazioni allo scopo di assegnare certi oggetti (patterns) ad una serie data di classi C0, C1, ..., Cm , in accordo con il valore di certe caratteristiche X1, ..., Xn. E' chiaro che gli oggetti, che devono essere riconosciuti, posseggono intrinsecamente dei "valori" individuali X1, ..., Xn, che devono poter essere calcolati o computati in ognuno di essi.
C1, ..., Cm sono le classi di interesse, o classi proprie. In una applicazione di riconoscimento dei caratteri, C1, ..., Cm rappresentano le differenti forme che devono essere discriminate (ciascun carattere o simbolo, normalmente, corrisponde a più di una forma). C0 è una classe speciale, chiamata classe di reject: se un oggetto è classificato come appartenente a C0, significa che il riconoscitore non è riuscito ad assegnarlo esattamente ad una delle classi proprie C1, ..., Cm.
X1, ..., Xn possono essere considerate come coordinate in uno spazio n-dimensionale (spazio delle caratteristiche); e gli oggetti, che devono essere riconosciuti, possono essere rappresentati da punti in questo spazio. In questa ottica, costruire un riconoscitore significa definire gli m sottoinsiemi dello spazio delle caratteristiche (non necessariamente disgiunti) che devono essere utilizzati come regioni di decisione per le proprie classi. Un oggetto è classificato come appartenente ad una propria classe se il suo punto rappresentativo P appartiene solo alla corrispondente regione di decisione. Se P appartiene a più regioni di decisione, o a nessuna, il riconoscitore realizza che non è possibile assegnare all'oggetto la sua propria classe, e allora lo rigetta.
Vari paradigmi del riconoscimento dei caratteri possono essere messi in relazione, dal punto di vista teorico, con le reti neurali.
Consideriamo, di nuovo, il problema di classificazione a M classi (ai, i=1, ..., M) unitamente ad un sistema di classificazione che ripartisca lo spazio dei pattern in M regioni di decisione Ri. La probabilità di corretta classificazione di un pattern x incognito è [20]:
Il classificatore Bayesiano massimizza la probabilità selezionando le regioni che massimizzano l'integrando, cioè assegnando un pattern alla classe ai (ovvero alla regione Ri) tale che p(x|ai)P(ai) sia massima. Per la regola di Bayes, p(x|ai)P(ai) è proporzionale alla probabilità a posteriori p(ai|x) della classe wi dato il pattern x in input.
Poichè è stato dimostrato che reti del tipo Perceptron possono stimare le densità di probabilità di una distribuzione a partire da un insieme finito di esempi [21, 22], un Perceptron può essere una buona approssimazione di un classificatore Bayesiano.
Da un altro punto di vista, si può interpretare l'elaborazione, operata da una rete neurale nella soluzione di un problema di Pattern Recognition, come approssimazione successiva delle ipersuperfici di separazione fra le classi. E' stato dimostrato che due livelli nascosti (hidden) di neuroni sono sufficienti per approssimare qualunque superficie di separazione fra le classi [23].
Inoltre è stato dimostrato [24] che qualunque applicazione continua tra due spazi Euclidei può essere, approssimativamente, realizzata da reti con almeno uno strato hidden e funzioni di trasferimento sigmoidali.
Infine è stato dimostrato che con un solo livello hidden si possono approssimare anche regioni sconnesse [25]
Poichè è impensabile ottenere la soluzione generale esatta del problema di 'discriminazione tra M classi', il quesito viene tradotto in quello di cercare una buona soluzione approssimata. Quindi uno o due strati hidden sono sufficienti per risolvere (in approssimazione) qualunque problema di classificazione.
Per quanto riguarda il numero di nodi della rete, la topologia del problema specifico gioca un ruolo fondamentale. Esistono teorie applicabili alla definizione dei requisiti minimali sulle dimensioni della rete, e sul numero di campioni che essa è in grado di apprendere [26]
Tuttavia, quando si tratta di pattern reali, i risultati possono essere abbastanza sorprendenti: una rete piccola e addestrata su un numero limitato di campioni può fornire (in alcuni casi) buoni risultati di generalizzazione.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
IL RICONOSCIMENTO DEI CARATTERI PREMESSA: Le tecniche di riconoscimento dei caratteri associano una identità simbolica con l'immagine di un carattere. Questo problema, di replicazione a macchina (computers) di funzioni umane, riguarda sia il riconoscimento di caratteri stampati o dattiloscritti, sia il riconoscimento di caratteri manoscritti in corsivo o in stampatello. Il riconoscimento dei caratteri è meglio conosciuto come Optical Character Recognition (OCR- Riconoscimento Ottico dei Caratteri) poichè esso si serve, per il riconoscimento, di caratteri processati otticamente piuttosto che di quelli processati magneticamente [1]. RIFERIMENTI STORICI: Sebbene l'origine del riconoscimento dei caratteri possa farsi risalire fin dal 1870 (esso apparse inizialmente come aiuto per gli handicappati nella vista), e il primo tentativo coronato da successo fu fatto dallo scienziato russo Tyurin nel 1900 [2], la versione veramente moderna dell' OCR appare alla metà degli anni 40 con lo sviluppo dei computers digitali. La motivazione principale per lo sviluppo di sistemi OCR è la necessità di dover tener testa a un'enorme quantità di carta (come assegni bancari, lettere commerciali, registrazioni governative tipo leggi e decreti, giustificativi delle spese fatte con le carte di credito, selezionamento postale automatico), generata dalla espansione della società tecnologica. Le macchine OCR sono state rese disponibili commercialmente dalla metà degli anni 50 e sin da allora si è eseguita una grande ricerca estensiva. Sono stati pubblicati un gran numero di articoli sull'argomento, e anche alcuni libri [3-11]. Pubblicazioni speciali e reports sono ripetutamente apparse nei Proceedings dell'International Joint Conferences on Pattern Recognition e dell'International System, Man and Cybernetics Conferences. Lavori di ricerca appaiono anche in varie altre Conferences come British Conferences on Pattern Recognition e The Scandinavian Conferences on Image Analysis. Vari rapporti sullo stato dell'arte delle ricerche sono stati presentati da Nagy [12], Harmon [13], Stalling [14], Suen et al. [15], Mori et al. [16], Davis and Yall [17] e Chatterji [18]. Attualmente le metodologie di riconoscimento sono molto progredite, rispetto ai primi usi di tecniche primitive per il riconoscimento dei soli numerali stampati a macchina e di un limitato numero di lettere latine, e sono arrivate all'applicazione di tecniche sofisticate per il riconoscimento di una grande varietà di complessi caratteri manoscritti, simboli e ideogrammi includenti anche i caratteri cinesi e giapponesi.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

backpropagation
bayesiano
caratteri
ibm
incasellati
manoscritti
neurale
ocr
perceptron
rete

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi