コンピュータ工学および情報技術ジャーナル

バックプロパゲーションニューラルネットワーク（BPNN）に基づく手書きの数式の認識

サーガル・シンデとラジェンドラ・ワグラデ

手書きの数式記号や方程式の認識は、パターン認識の分野において重要かつ困難な課題です。重力法則、畳み込み積分などの複雑な手書きの数式を認識する必要があります。記号や文字の上書きなどの問題が特定され、認識率を向上させるために最適な分類器を選択することで解決されます。オフライン認識モードを備えた強化された多層プリセントラ フィードフォワード バックプロパゲーション ニューラル ネットワーク アルゴリズムを使用した機械学習アプローチは、数式認識のスループット、精度、および全体的な効率を向上させるために使用されています。重心、境界ボックス、ゾーニング密度、線分などのハイブリッド特徴が抽出され、モメンタム トレーニング アルゴリズムによる勾配降下法が使用されています。適応学習を使用して、さまざまな種類の方程式で実験を実行します。実験結果を通じて、システムが評価され、単純な数式と複雑な数式の認識精度が 93.5 % に大幅に向上したことが示されています。将来的には、現在の方法論がペーパーレス作業とデジタル ワールドを開始するための重要な要素になります。