Par où commencer la Reconnaissance Manuscrite à l'aide de Réseau de Neurones?

J'ai essayé d'apprendre à propos des Réseaux de Neurones pour un certain temps maintenant, et je peux comprendre que certains des tutoriels en ligne. Maintenant, je veux développer en ligne la reconnaissance manuscrite à l'aide de Réseau de Neurones. Donc je n'ai pas la moindre idée par où commencer? Et j'ai besoin d'une très bonne instruction. Enfin je suis programmeur java.

Ce que me conseillez-vous de faire?

OriginalL'auteur Zeck | 2009-12-28

  1. 15

    Commencer simple avec reconnaissance de caractères sur le Unipen base de données.

    Vous aurez besoin pour extraire des caractéristiques pertinentes de premières données de trajectoire dans l'ordre pour former ce qui est communément appelé une "feature vector". Par exemple, vous pourriez ré-échantillonner les données à l'aide d'un schéma d'interpolation de se retrouver avec n tuples, chaque tuple contenant des informations telles que:

    • position
    • orientation
    • vitesse
    • accélération
    • courbure
    • etc

    Une fois que vous avez une taille fixe pour la fonction de vecteur, vous l'utilisez comme le signal d'entrée du réseau de neurones. Essayez de SCM des réseaux pour commencer.

    Vous aurez à expérimenter afin de décider quelles fonctionnalités sont les meilleurs.

    Si vous avez besoin pour commencer sur l'extraction de caractéristiques à partir de données d'Encre, jetez un oeil à HP Lipi Toolkit (notez que les modules de reconnaissance de ne pas utiliser les réseaux neuronaux).

    Vous pouvez également jeter un oeil à ce 15 Étapes de mise en Œuvre d'un Réseau de Neurones tutoriel.

    Très intéressante. Et besoin de plus d'information.
    Je suis désolé, je ne peux pas dire beaucoup de bien que/ en raison d'un NDA
    +1 lien en bas est grande

    OriginalL'auteur

  2. 11

    Introduction Aux Réseaux de Neurones pour la Java est un bon livre d'introduction et comprend une reconnaissance de l'écriture manuscrite exemple.

    le texte d'alt http://ecx.images-amazon.com/images/I/51RmyzT3ZUL._SL500_AA240_.jpg

    L'exemple utilise les réseaux de Kohonen et fournit une mauvaise précision si

    OriginalL'auteur

  3. 3

    Ont un oeil à certains de le projet flottant sur le net:

    Pour ne citer que les trois premiers liens Google crache pour "java reconnaissance de l'écriture manuscrite"

    Quelques conseils pour vous aider à démarrer:

    • Si vous le pouvez, travailler avec des vecteurs au lieu de graphiques bitmap. Idéalement, vous devriez avoir la vitesse et la direction de chaque course. Il est souvent plus simple de reconnaître une lettre par la façon dont une courbe des virages plus la vitesse à laquelle il a été tiré, au lieu de la forme.

    • Attaquer le problème avec plusieurs approches. L'utilisation des réseaux de neurones, la reconnaissance d'une forme, la taille, précédent et suivant de la lettre, des dictionnaires. Tous d'entre eux vous donnera des résultats différents avec différents niveaux d'erreur. Cela peut grandement aider à améliorer les résultats.

    Bonne chance!

    OriginalL'auteur

  4. 3

    Peter Norvig de Intelligence Artificielle: Une Approche Moderne De La est un bon livre sur les IA et explique beaucoup de choses sur les bases, et il y a une section sur le Dos de Propagation de réseaux de neurones.

    Pour former votre réseau de neurones, vous aurez besoin d'ensembles de données.

    Il y a LA BASE DE DONNÉES MNIST
    des chiffres manuscrits    , ou le Stylo à Base de Reconnaissance de Chiffres Manuscrits de l'Ensemble de Données à la UCI Machine Learning Repository

    L'UCI ML référentiel a beaucoup de grands ensembles de données, beaucoup de ce qui serait bon de former des réseaux de neurones. Même si vous ne savez pas ce qu'ils sont sur, vous pouvez récupérer un peu et de voir si votre ML système peut procéder à la classification des tâches. Regardez La Classification des tâches avec un grand nombre d'attributs et les instances, bien que vous pouvez essayer les petits aussi, quand vous commencez.

    Par le façon, il ya beaucoup plus de techniques en plus de réseaux de neurones, y compris Machines À Vecteurs De Support, qui sont populaires.

    OriginalL'auteur

  5. 2

    Garder à l'esprit que si votre but est en fait de reconnaître ces caractères, votre performance stand et à l'automne en fonction de la qualité et de la sélection des entités en entrée.

    Il est absolument essentiel de choisir la bonne caractéristiques, et prétraiter (c'est à dire se débarrasser du bruit de fonctionnalités, données superflues, dupliquer ou fortement corrélée caractéristiques) autant que vous le pouvez. Dans mon expérience, vous obtiendrez de bien meilleures performances de la plus ennuyeuse et la plaine la plus proche voisin de mise en œuvre avec de bonnes fonctionnalités que de la pointe de l'algorithme avec le moins bien des entités sélectionnées.

    Pour vous, que signifie retarder la lecture du réseau neuronal de la littérature pour l'instant (il suffit de prendre le large du plateau, boîte noire de la mise en œuvre de la première) et à la lecture de ce type de traitement de l'image etc. systèmes réels d'utilisation. Si vos données peuvent inclure la pression et la vitesse de l'info, tout le meilleur. Quelque chose comme un LDA heatmap peut être utile pour d'abord vérifier les caractéristiques de la matière, et qui ne le sont pas.

    Pour la classification de base, il ya des tonnes de décent algorithmes. La plupart fonctionnent très bien et fonctionne correctement pour vous. La partie la plus difficile n'est pas dans la cueillette ou à modifier l'algorithme, c'est en évitant le garbage in-garbage out scénario.

    OriginalL'auteur

  6. 1

    Heaton de recherche vous aidera beaucoup

    http://www.heatonresearch.com/articles/7/page3.html - visite pour ce tutoriel avec des exemples d'extraits de code

    OriginalL'auteur

  7. 0

    Réseau de neurones [si je ne me trompe pas] serait de travailler sur l'interprétation des modèles,
    Vous fournir des intrants à votre programme et le programme de recherches de ce modèle dans un ensemble d'informations d'
    motifs et fondée sur le match fournit une correspondance possible.

    Dans votre cas, les dimensions pour les modèles pourraient être données telles que la vitesse + direction
    ou seulement de direction, etc

    J'ai fait une petite simulation de neurones de bot que de chats sur mon site dans un mode similaire.

    Les modèles plus le programme "Apprend", la plus précise, les réponses qu'il fournit.

    OriginalL'auteur

  8. 0

    Les réseaux de neurones ont besoin de beaucoup de temps de trempage. Les concepts sont assez faciles, mais ils peuvent être écrasante pour le débutant.

    Prendre un coup d'oeil à ce que Jochen Fröhlich a fait avec les réseaux de neurones en Java. Il sonne comme un point de départ idéal pour un programmeur Java comme vous.

    OriginalL'auteur

  10. 0

    Si vous êtes à la recherche pour les concepts, je suggère BrainNet,

    Réseaux de neurones - Partie I: Une simple reconnaissance de l'écriture manuscrite système .NET

    http://amazedsaint.blogspot.com/2008/01/neural-networks-part-i-simple.html

    BrainNet vous aidera à

    • Obtenir une juste compréhension à l'égard des Neurones et des réseaux de neurones
    • Gagner un bon concept concernant les systèmes intelligents
    • Apprendre à jouer avec ce réseau neuronal de la bibliothèque de l'utiliser dans votre
      projets.
    • Comprendre comment développer quelques frais de réseau de neurones programmes

    OriginalL'auteur

  11. 0

    Je vous suggère de commencer à partir de la reconnaissance des chiffres manuscrits pour les raisons suivantes:

    • La tâche est bien défini
    • Il y a une très bonne base de données de chiffres manuscrits mentionnés ci-dessus (MNIST)
    • Il y a beaucoup de mises en œuvre des algorithmes testés sur ce problème
    • L'un de l'approche la plus efficace pour résoudre ce problème est convolutifs des réseaux de neurones qui même ont été utilisés dans des applications commerciales. Il y a quelques implémentations disponibles, notamment en C++, CUDA, Matlab, Python. Malheureusement, je ne sais pas toutes les implémentations Java.

    OriginalL'auteur