پایان نامه شناسایی حروف فارسی با استفاده از شبکه عصبی مصنوعی

در زمینه بازشناسی دست نوشته تحقیقات زیادی صورت پذیرفته است . با توجه به نحوه دریافت اطلاعات ، بازشناسی دست نوشته به صورت برون خط (offline) و بر خط (online) صورت می پذیرد . در بازشناسی بر خط ، مختصات نقاط مسیر حرکت قلم ، تعداد حرکات قلم و در بعضی موارد فشار قلم در دسترس هستند . بازشناسی بر خط نوشتار به دلیل راحت تر بودن نوشتن از تایپ کردن ، عدم امکان تایپ در بعضی از مکان ها ، عدم وجود یک صفحه کلید کامل روی کامپیوترهای کوچک و سخت بودن تایپ حروف در بعضی زبان ها به دلیل تعداد زیاد آنها ، مورد توجه خاصی قرار گرفته است . در برخی تحقیقات انجام شده به منظور بازشناسی بهتر ، یک مجموعه خاص از حروف تعریف می شود که گاهی اوقات از شکل طبیعی آنها دور است . از این نمونه میتوان مجموعه حروف Graffiti و jot را نام برد . دقت بازشناسی حروف با استفاده از چنین الفباهایی بیش از 99% است اما رعایت اصول خاص برای نوشتن ، کاربرد آنها را محدود می کند . در زمینه بازشناسی برون خط دست نوشته عربی و فارسی تحقیقات زیادی صورت پذیرفته است . ولی در زمینه بازشناسی بر خط دست نوشته در این دو زبان تحقیقات کمتری انجام شده است . در مرجع برای بازشناسی بر خط کلمات دستنویس از یک پایگاه داده 400 کلمه ای استفاده شده است . نرخ بازشناسی در میان این 400 کلمه 80% گزارش شده است . در تحقیق های دیگری از مدل مارکوف مخفی ، برنامه نویسی پویا و استفاده از شبکه عصبی برای بازشناسی حروف و ارقام فارسی استفاده شده است با استفاده از بازشناسی الگوی فازی ، بازشناسی کلمات فارسی بر خط انجام شده است .