Handwritten Recognition System Based on Machine Learning

الملخص

مقدمة:

يعد التعرف على خط اليد قضية مهمة في الوقت الحاضر ، حيث يمكن أن تكون الكتابة اليدوية صورة أو مستندًا وما إلى ذلك ، تعد قدرة الكمبيوتر على التعرف على الأرقام المكتوبة بخط اليد مهمة جدًا في أكثر من تطبيق مثل تطبيقات الترجمة والقراءة والتعرف على الأرقام. يوفر المشروع المقترح نظامًا يتعرف على الأرقام الإنجليزية المكتوبة بخط اليد ، ويتم تنزيل بيانات الإدخال من مجموعة بيانات عالمية. يتكون النظام المقترح من عدد من المراحل. المرحلة الأولى هي المعالجة المسبقة ، والتي تتضمن تغيير حجم الصور لتكون بحجم واحد (28 * 28) ، ثم يتم تطبيق خطوة (تعيين البيانات). أما بالنسبة لمرحلة التصنيف ، فقد اعتمدت على استخدام خوارزميتين ، خوارزمية KNN والشبكة العصبية (خطأ backpropagation). لبدء عملية تدريب الخوارزميات المختارة ، تم تقسيم البيانات إلى مجموعتين ، مجموعة التدريب ومجموعة الاختبار. تم استخدام خوارزميتين لغرض اختيار أفضلها من خلال تقييم أدائها باستخدام عدد من مقاييس التقييم. تم استخدام الدقة والدقة لغرض تقييم أداء الخوارزميات. كان أداء خوارزمية KNN 0.94 و 0.942 على التوالي عند k = 4. بينما كان أفضل أداء وصلت إليه آلية الشبكة العصبية 0.98673333 و 0.9698 على التوالي ، في العصر = 15. تظهر الشبكة العصبية (خطأ backpropagation) أفضل نتيجة  في مرحلة الاعتراف.

طرق العمل:

لا تقدم تقنية (KNN) أي افتراضات حول مجموعة البيانات الأساسية. إنه معروف بفعاليته وسهولة استخدامه. إنها خوارزمية تعلم خاضعة للإشراف. لتقدير فئة البيانات غير المسماة ، يتم توفير مجموعة تدريب معنونة تحتوي على نقاط بيانات مقسمة إلى مجموعات عديدة.

الاستنتاجات:

توضح مؤشرات الدقة والدقة وصفًا دقيقًا لأداء الخوارزميات المستخدمة في النظام المقترح. وصف المؤشرين أداء الخوارزمية (KNN) والتي أعطت النتائج (0.94 و 0.942) على التوالي.