سیستم های تشخیص اعداد دست نویس فارسی برون خط مبتنی بر شبکه های عصبی

امروزه یکی از مهم ترین و جذاب ترین حوزه ها در زمینه تشخیص الگو، بازشناسی ارقام دست نویس می باشد.تحقیقات در این زمینه چندین دهه است که آغاز شده و هنوز هم در حال تحول می باشد. یکی از مواردی که اخیرا در بازشناسی ارقام دست نویس بسیارمورد توجه قرار گرفته، انتخاب طبقه بندی مناسب است. طبقه بندی یکی از مراحل اصلی فرآیند بازشناسی ارقام دست نویس است و تاثیر بسزایی در افزایش نرخ بازشناسی دارد. طبقه بندی را به چهار روش عمده (تطابق قالبی تکنیک های آماری تکنیک های ساختاری شبکه های عصبیمی توان تفکیک کرد. روش این پژوهش توصیفی مروری است و از منابع کتابخانه ای و پژوهش های قبلی استفاده شده است. این تحقیق به مساله بررسی و ارزیابی طبقه بند شبکه عصبی مورد استفاده در سیستم های بازشناسی ارقام دست نویس فارسی برون خط می پردازد، شبکه عصبی دارای سه نوع لایه نرونی (لایه ورودی، لایه پنهان و لایه خروجی) می باشد.که در لایه ورودی اطلاعات خام وارد می شود، در لایه پنهان ابتدا به شبکه عصبی توسط داده های آموزشی، آموزش داده می شود و سپس براساس آموزش های داده شده مقادیر آزمایشی مورد تست قرار می گیرد و در نهایت در لایه خروجی اعداد در 10 کلاس (0 تا 9) دسته بندی می شود. همچنین در این مقاله بیان گردید شبکه ای عصبی دارای چه مزیت ها، محدودیت ها و چه ساختاری است و چه تاثیری در افزایش کارایی سیستم، کیفیت و نرخ بازشناسی در بازشناسی ارقام دست نویس فارسی دارد.