Académique Documents
Professionnel Documents
Culture Documents
I.
INTRODUCCION
CONCEPTOS
A. Redes Neuronales
Las Redes Neuronales son una base importante para el
desarrollo de la IA (Inteligencia artificial). Son inspiradas
en el comportamientos de las neuronas y conexiones del
cerebro humano tratando de crear un programa, sistema o
mquina que sea capaz de solucionar problemas difciles,
actuar de forma humana, y realizar trabajos pesados
mediante tcnicas algortmicas convencionales.
B. Tipos de Redes Neuronales
Una red neuronal o red neural, puede referirse a:
B.1 Red neuronal artificial: Modelos matemticos,
computacionales, artificiales, ideales de una red neuronal
empleados en estadstica, psicologa cognitiva, e
inteligencia artificial.
B.2 Red neuronal biolgica: Cmulo de neuronas
fsicamente interconectadas cuya actividad ayuda a definir
un circuito reconocible en el sistema nervioso.
C. OCR
El reconocimiento ptico de caracteres (ROC),
generalmente conocido como reconocimiento de caracteres
y expresado con frecuencia con la sigla OCR (del ingls
Optical Character Recognition), es un proceso dirigido a la
digitalizacin de textos, los cuales identifican
automticamente a partir de una imagen smbolos o
caracteres que pertenecen a un determinado alfabeto, para
luego almacenarlos en forma de datos. As podremos
interactuar con estos mediante un programa de edicin de
texto o similar.
En los ltimos aos la digitalizacin de la informacin
(textos, imgenes, sonido, etctera) ha devenido un punto
de inters para la sociedad. En el caso concreto de los
textos, existen y se generan continuamente grandes
cantidades de informacin escrita, tipogrfica o manuscrita
D. Segmentacin de Imgenes
La segmentacin subdivide una imagen en sus partes
constituyentes u objetos, con el fin de separar las partes de
inters del resto de la imagen, por lo tanto el nivel al que se
lleva a cabo esta subdivisin depende del problema a
resolver. En el proceso de detectar las partes en una imagen
se identifican bordes de la imagen, o se segmenta est en
regiones, lneas o curvas, etc. Otra definicin considera a la
segmentacin como la clasificacin de los puntos de la
imagen (pixeles), indicando las clases a la que pertenecen
los diferentes pixeles. Los atributos bsicos de
segmentacin de una imagen son: la luminancia en
imgenes monocromticas, los componentes de color en
imgenes en color, textura, forma, etc.
La segmentacin automtica es una de las tareas ms
difciles del procesamiento de imgenes, esta etapa
determina el eventual xito o fracaso del anlisis, de hecho
rara vez llega a alcanzar una solucin satisfactoria, se debe
buscar un mtodo alternativo de comprobacin para la
verificacin de los resultados. Un considerable nmero de
trabajos de investigacin se centran en este problema. Los
algoritmos de segmentacin de imgenes monocromticas
generalmente se basan en una de las dos propiedades
bsicas de los valores del nivel de gris: discontinuidad y
similaridad.
E. Binarizacion
La binarizacin de una imagen digital consiste en
transformar la imagen en escala de grises en una imagen en
blanco y negro. Para realizar la operacin de binarizacin,
se deber elegir un valor adecuado de umbral dentro de los
niveles de grises. Una vez elegido el umbral, todos los
niveles de grises menores que el valor de umbral fijado se
convertirn en negro y todos los que resulten ser mayores
en blanco.
F. KNN
Para OCR, existe un mtodo muy conveniente, no
paramtrico y supervisado, que proporciona resultados muy
adecuados para la aplicacin que se est tratando, El
algoritmo K-NN (K vecinos ms prximos). Este mtodo
es muy popular debido a su sencillez y a cierto nmero de
propiedades estadsticas bien conocidas que le
proporcionan un buen comportamiento para afrontar
diversos tipos de problemas de clasificacin, siendo uno de
ellos el de OCR.
Dado un conjunto de objetos prototipo de los que ya se
conoce su clase (es decir, dado un conjunto de caracteres de
muestra) y dado un nuevo objeto cuya clase no conocemos
(imagen de un carcter a reconocer) se busca entre el
conjunto de prototipos los k ms parecidos a nuevo
objeto. A este se le asigna la clase ms numerosa entre los
k objetos prototipos seleccionados. Fase de
entrenamiento y fase de test. Conociendo el funcionamiento
III.
A. Adaline
El adaline (de ADAptative LINear Element) es un tipo
de red neuronal artificial desarrollada por el profesor
Bernie Widrow y su alumno Ted Hoff en la Universidad de
Stanford en 1960.1 El modelo est basado en la Neurona de
McCulloch-Pitts. Este modelo es el que estar siendo
implementado a posterior para este proyecto.
IDEA: Modificacin de pesos para tratar de reducir la
diferencia entre la salida deseada y la actual (para cada
patrn).Se denomina LMS: minimiza el Error Cuadrtico
Medio sobre todos los patrones de entrenamiento.
Con respecto al perceptrn el Adaline posee la ventaja
de que su grfica de error es un hiperparaboloide que posee
o bien un nico mnimo global, o bien una recta de infinitos
mnimos, todos ellos globales. Esto evita la gran cantidad
de problemas que da el perceptrn a la hora del
entrenamiento debido a que su funcin de error (tambin
llamada de coste) posee numerosos mnimos locales.
JUSTIFICACION
FUNCIONALIDAD
VIII. HERRAMIENTAS
D. Comparacion de Patrones
Una vez obtenido el la imagen preprocesada por todos
los pasos anteriores se pasar a la identificacin de
patrones con dicha imagen procesada. Para comparar
patrones usaremos una red neural con backpropagation
para determinar la secuencia de patrones se usar una
aprendizaje de 100 caracteres por nmero.
VI.
Eclipse Luna
Android SDK ADT Bundle
Funcin de Activacin (Red Neuronal
ADALINE)
Encog 3.2.0 (librera de redes neuronales
referencia)
CARACTERISTICAS
Herramientas de software:
METODOLOGIAS
Herramientas hardware
IX.
CONLUSIONES
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
RECONOCIMIENTO
DE
DGITOS
MANUSCRITOS
MEDIANTE REDES NEURONALES: UNA TCNICA HBRIDA
Leticia Mara Seijas Director de Tesis Dr. Enrique Segura
Departamento de Computacin Facultad de Cs. Exactas y
Naturales Universidad de Buenos Aires Pabelln I Ciudad
Universitaria Buenos Aires - Argentina
APLICACIN PARA RECONOCIMIENTO DE CARACTERES A
TRAVS DE REDES NEURONALES Luis Feijoo
MAPAS AUTOORGANIZATIVAS DE KOHONEN
(SOM)
Rodrigo Salas
Reconocimiento ptico de nmeros escritos a mano usando
funciones de base radial y sistema memtico diferencial
RECONOCIMIENTO OPTICO DE NUMEROS ESCRITOS A
MANO USANDO FUNCIONES DE BASE RADIAL Y SISTEMA
MEMETICO DIFERENCIA L Oscar Piragauta Gmez M, David
Bello O, Montes Castaeda B
http://eprints.ucm.es/31485/1/Memoria%20Final.pdf
http://www.saylor.org/site/wp-content/uploads/2011/11/CS405-1.1WATSON.pdf
http://www4.ujaen.es/~satorres/practicas/practica3_vc.pdf
http://grupo.us.es/gtocoma/pid/pid10/OCR.htm
https://www.researchgate.net/profile/Jesus_Tello/publication/22885
7048_Reconocimiento_de_patrones_y_el_aprendizaje_no_supervis
ado/links/0c960517e7e677b522000000.pdf
http://digital.bl.fcen.uba.ar/Download/Tesis/Tesis_4997_Seijas.pdf
http://www.it.uc3m.es/jvillena/irc/practicas/08-09/09.pdf
https://engineering.purdue.edu/~bethel/main1.pdf
http://opencv-pythontutroals.readthedocs.io/en/latest/py_tutorials/py_ml/py_svm/py_sv
m_opencv/py_svm_opencv.html
http://www-2.dc.uba.ar/materias/rn/Aplicaciones/Kohonen/LSeijas32JAIIO.PDF
https://github.com/mark-watson/Java-AI-Book-Code
http://sedici.unlp.edu.ar/bitstream/handle/10915/5534/Documento_c
ompleto.pdf?sequence=1