شناسایی اعداد با استفاده از شبکه عصبی تک لایه و الگوریتم تجزیه مولفه های اصلی

در این مقاله، رویکردی جهت شناسایی ارقام با استفاده از شبکه عصبی تک لایه و الگوریتم تجزیه مولفه های اصلی ارائه شده است. شناسایی ارقام دست نویس حوزه ی گسترده ای از تحقیقات را شامل می شود که کاربردهای فراوانی دارد. الگوریتم های فراوانی برای حل این مساله بینایی ماشین وجود دارد. همچنین روش های زیادی برای دسته بندی و شناسایی ارقام دست نویس به صورت دقیق با محاسبات اندک ارائه شده است. در روش ارائه شده در این مقاله، هدف کاهش ویژگی ها به منظور کاهش زمان محاسبات و دسته بندی دقیق ارفام دست نویس در 10 کلاس مختلف بین 0 تا 9 می باشد. این سیستم شامل الگوریتم شبکه عصبی پس انتشار به سمت عقب بوده 1 و آموزش و تست آن روی 10000دیتاست MNIST انجام می شود. داده های مورد استفاده برای تست از پایگاه داده MNIST عدد بوده و دقت به دست آمده برای داده های تست 98/39 درصد می باشد. در این سیستم از الگوریتم تجزیه مولفه های اصلی برای استخراج ویژگی استفاده شده است تا علاوه بر کاهش زمان محاسبات و آموزش سیستم، به طور هم زمان دقت بالایی برای داده های تست فراهم کند. نتایج آزمایشات نشان می دهد زمان آموزش سیستم با استفاده از این روش تا 80 درصد کاهش پیدا می کند. در این آزمایشات علاوه بر دقت، زمان آموزش، زمان تشخیص و حافظه مورد استفاده برای پردازش نیز مد نظر قرار گرفته است. پس از طراحی و آموزش سیستم، عملیات پیش بینی برچسب ها برای داده های تست انجام می شود.

Keywords:

شبکه عصبی , تجزیه مولفه های اصلی , شناسایی ارقام