043_Nghiên cứu mạng Neural Network trong nhận dạng chữ viết

-73-

NGHIÊN CỨU MẠNG NEURAL NETWORK TRONG NHẬN DẠNG CHỮ
VIẾT


Lê Nho Thủy
MSV: 0320311
Email:
Người hướng dẫn: Vũ Quang Dũng.

1. Giới thiệu
Nhận dạng chữ viết là bài toán thu hút được
rất nhiều sự quan tâm nghiên cứu của nhiều nhà
khoa học trên thế giới và đặc biệt là những năm
gần đây. Hiện nay có rất nhiều phương pháp
nhận dạng:
- Dùng mạng Neural Network.
- Dùng HMM (Hiden Markov Model).
- Dynamic programming.
Khóa luận sẽ giới thiệu từng bước từ nghiên
cứu lý thuyết cho tới tiến hành thực nghiệm
việc xây dựng một hệ thống có khả năng nhận
dạng chữ viết. Và phương pháp nhận dạng sử
dụng là mạng Neural Network.
2. Tổng quan về mạng Neural
1) Giới thiệu mạng Neural nhân tạo
Mạng neural nhân tạo là một mô hình xử lý
thông tin phỏng theo cách thức xử lý thông tin
của các hệ neural sinh học. Nó được tạo lên từ
một số lượng lớn các phần tử (neural) kết nối

với nhau thông qua các liên kết (trọng số liên
kết) làm việc như một thể thống nhất để giải
quyết một vấn đề cụ thể nào đó.
Mộ
t neural là một đơn vị xử lí thông tin và
là thành phần cơ bản của một mạng Neural.
2) Kiến trúc mạng Neural Network
- Mạng một lớp:

- Mạng nhiều lớp: Các neural vẫn hoạt
động độc lập với nhau nhưng đầu ra của lớp
này là đầu vào của lớp tiếp theo. Một hệ thống
như vậy có khả năng phân chia không gian đầu
vào thành những vùng có hình dạng phức tạp
hơn nhiều so với neural một lớp.

3) Mạng Network nhiều tầng MLP
Mô hình mạng neural được sử dụng rộng rãi
nhất là mô hình mạng nhiều tầng truyền thẳng
(MLP: Multi Layer Perceptron). Một mạng
MLP tổng quát là mạng có n (n≥2) tầng (thông
thường tầng đầu vào không được tính đến):
trong đó gồm một tầng đầu ra (tầng thứ n) và
(n-1) tầng ẩn.

4) Huấn luyện mạng
Có thể nói đặc trưng cơ bản nhất của mạng
neural là khả năng học và tổng quát hoá.
- Học: là khả năng mà mạng neural có thể
phân loại chính xác những mẫu đã được huấn

luyện.
- Tổng quát hoá: là khả năng mạng có thể
nhận biết được những mẫu chưa từng được
huấn luyện. Chính khả năng này tạo nên sức
mạnh của mạng.
Có ba phương pháp học phổ biến:
- Học có giám sát
- Học không giám sát
- Học tăng cường
3. Thực nghiệm
Mạng MLP Neural Networks được sử dụng
trong project này là mạng Neural Network ba
-74-

lớp, một lớp đầu vào (input), một lớp ẩn và một
lớp đầu ra (ouput).

Chức năng chính của chương trình:
- Xây dựng mạng Neural Networks và khởi
tạo trọng số (Weight) một cách thường xuyên.
- Phân tích ảnh điểm của những ảnh cho kí
tự được nhận được.
- Tải thường xuyên những ảnh đầu vào huấn
luyện và tương ứng với những kí tự đầu ra
tương ứng trong một files riêng biệt cho tập
hợp những kí tự huấn luyện (*.cts – character
trainer sets).
- Tải và lưu trữ thường xuyên mạng đã huấn
luyện.
- Chuyển đổi kí tự sang mã nhị phân

Unicode và ngược lại một cách thường xuyên.
- Tính toán lỗi (error), điểm ra (output) và
trọng số (weight) thường xuyên.
- Xây dựng mạng Neural Network.
1) Huấn luyện mạng
Lưu đồ giải thuật huấn luyện mạng của
chương trình:

2) Thực nghiệm
Lưu đồ giải thuật huấn luyện mạng của
chương trình:

3) Kết quả
- Số lượng của kí tự=90
- Tốc độ học (Learning rate)=150
- Sigmoid slope=0.014
Bảng kết quả đối với sự thay đổi của số
vòng lặp

Tài liệu tham khảo
[1] Nguyễn Thị Thanh Tân. Nhận dạng chữ
viết tay hạn chế dựa trên mô hình mạng neuron
kết hợp với thống kê ngữ cảnh. Luận văn thạc
sỹ, ĐHQGHN.
[2] Nguyễn Thị Minh Ánh. Nghiên cứu và ứng
dụng mạng neural trong nhận dạng chữ viết tay
tiếng Việt. Khóa luận tốt nghiệp đại học 2005,
Đại học Công Nghệ, ĐHQGHN.
[3] Artificial Intelligence and cognitive science.
© 2006, Nils J.Nilsson

Stanford AI Lab

[4] Offline Handwring Recognition Using
Artificial Neural Networks
© 2000, Andrew T.Wilson
University of Minnesota, Morris