Salime Shahraini - Kharazmi International Campus, University of Shahrood, Shahrood, Iran

بازشناسی ارقام دستنویس، یکی از مسائل مهم در حوزه شناسایی الگو می باشد و دراکثر مسائلی که با جمع آوری عمومی اطلاعات رقمی سروکار دارند مانندخواندن مبالغ چک ها و کدپستی کاربرد گسترده ای دارد. هدف ما دراین مقاله مقایسه عملکرد شبکه های عصبی MLP و هاپفیلد در شناسایی ارقام دستنویس فارسی است. دراین مقاله شناسایی ارقام دست نویس در شبکه عصبی MLP به روش انتشار رو به عقب قرارگرفته است دلیل انتخاب این مدل از شبکه عصبی این است که می تواند مسائل به شدت غیرخطی و نظارتی را حل کند. همچنین هاپفیلد به دلیل استفاده الگوریتم های یادگیری دارای فیدبک، راه حل مناسبی برای مسائل غیرخطی و خصوصا شناسایی الگوهای خالص و نویز گیری از داده هاست. آزمون های انجام شده برروی بانک اطلاعاتی ارقام دست نویس هدی نشان دهنده درصد بازشناسی 94.5% شبکه هاپفیلد و بازشناسی 91.3% شبکه عصبی MLP می باشد

تشخیص ارقام دستنویس، شبکه عصبی چند لایه، شبکه هاپفیلد، بازیابی الگو