Embedded Files
Introducción
Introducción
El presente articulo describe como se implemento redes neuronales para el reconocimiento de caracteres especiales dentro de las firmas hológrafas, esto es parte del proyecto PI-1.
(RNA)
(RNA)
Una red neuronal artificial (RNA) es un sistema compuesto por muchos elementos procesadores simples (neuronas) interconectadas. La distribución de las neuronas en la red es realizadas formando niveles, donde cada nivel tiene un número determinado de neuronas y en donde cada una se conecta con las neuronas de la capa sucesora. Existen dos capas muy importantes, la capa “entrante” o primer capa que es la recibe información del mundo exterior y la capa de salida que es la que envía información hacia el mundo exterior. La propagación de las señales en las redes puede ser hacia adelante y hacia atrás.
En particular para el proyecto PI-1 usamos la red Multi-Layered Perceptron la cual se encuentra compuesta por un conjunto de nodos que componen la capa de entrada, dos capas ocultas de neuronas y solo una neurona en la capa de salida. La propagación de la señal se hace hacia adelante desde la capa de entrada hasta la capa de salida.
Este tipo de redes se caracteriza por tener un alto grado de paralelismo (varias neuronas trabajando a la vez), son de fácil implementación, se puede definir la topología de interconexión, como también las reglas de aprendizaje de la misma.
Cada una de las neuronas tiene un peso, el cual indica la importancia de la misma dentro del conjunto. Estos pesos varían a medida que la red va aprendiendo, para ellos lo que se hace, es entrenar la red con un set caracteres ya conocidos, previamente transformados por el aplicativo Matlab en vectores numéricos.
La red va tomando cada ejemplar del set de entrenamiento y utilizándolos para darle nuevos pesos a las neuronas y calculando de esta forma el valor de la nueva salida. De esta forma va ajuntando los pesos y minimizando el error de aprendizaje.
Este ajuste sucesivo tiene dos características que intenta no encontrar la mejor solución local (sobreaprendizaje) sino la mejor global:
Cada peso en cada unidad recuerda como viene variando (si crece o decrece) y trata de mantener el criterio; cuanto mayor sea esta tendencia, la red reaccionará lentamente a los ejemplos que requieran cambios de dirección
El ratio de variación: se trata de que sea fuerte al comienzo del entrenamiento, pero que luego se suavice. De esta manera obtenemos una red entrenada para el reconocimiento de caracteres.
Referencias:
Referencias:
“Validación segura de firmas hológrafa”s - Nadina G. Battagliotti, Carolina E. Castillo
“Aplicacion para reconocimiento de caracteres a través de redes neuronales”- Luis Feijoo
http://www.slideshare.net/luisfe/reconocimiento-de-caracteres-atravez-de-redes-neuronales
Reconocimiento de Caracteres - http://avellano.usal.es/~lalonso/RNA/AppletORT.html
Apunte “Ingeniería en Inteligencia Computacional” – Daniela López de Luise
Page updated
Report abuse