سجاد سیداهرنجانی - دانشکده فنی و مهندسی واحد علوم و تحقیقات تهران دانشگاه آزاد اسلامی
فربد رزازی - دانشکده فنی و مهندسی واحد علوم و تحقیقات تهران دانشگاه آزاد اسلامی
محمدحسن قاسمیان یزدی - دانشکده فنی مهندسی دانشگاه تربیت مدرس تهران

دراین مقاله روش جدیدی برای شناسایی ارقام فارسی / عربی ارائه و ارزیابی شده و کارایی آن نشان داده شده است همچنین برای بدست اوردن بهبود نرخ شناسایی نتایج شناسایی چند شبکه عصبی کانولوشنال که توسط الگوریتم بیشترین شیب نزول اموزش دیده اند با هم ترکیب شده اند شبکه های عصبی کانولوشنال دسته ای از شبکه های عصبی می باشند که از سیستم بینایی انسان الهام گرفته شده اند. و مراحل استخراج ویژگی و طبقه بندی را با هم ترکیب می کنند این مقاله شامل سه بخش مهم است بخش اول به استخراج اتوماتیک ویژگی ها توسط شبکه های CNN برای ارقام فارسی اشاره دارد و بخش دوم استراتژی ترکیب نتایج طبقه بندی کننده ها را بیان می کند و در بخش سوم نیز دو استراتژی مردودی ارائه می شود. سرانجام روشهای پیشنهادی برروی بانک اطلاعاتی IFH-CDB مورد ازمون قرارگرفت و دقت حاصل بسیار بالاتر از سیستمهای شناسایی قبل بدست امد. دقت حاصل دراین سیستم برای ارقام فارسی 99.17% می باشد که بعد از مردود ساختن خودکار ده درصد از نمونه هایی که شناسایی آنها برای سیستم دشوار و مشکوک ارزیابی شد. نرخ شناسایی به 99.98% رسید.

شبکه های عصبی کانولوشنال، اموزش برمبنای بیشترین شیب نزول، شناسایی نوری حروف، شبکه های عصبی LtNet-5 ترکیب طبقه بندی کننده ها