Wyniki wyszukiwania - BazTech

1

Signature analysis system using a convolutional neural network

Winnicka Alicja, Kęsik Karolina, Połap Dawid

Annals of Computer Science and Information Systems

|

2019

|

Vol. 18

287--290

EN

Identity verification using biometric methods has been used for many years. A special case is a handwritten signature made on a digital device or piece of paper. For the digital analysis and verification of its authenticity, special methods are needed. Unfortunately, this is a rather complicated task that quite often requires complex processing techniques. In this paper, we propose a system of signatures verification consisting of two stages. In the first one, a signature pattern is created. Thanks to this, the first attempt to verify identity takes place. In the case of approval, the second stage is followed by the processing of a graphic sample containing a signature by the convolutional neural network. The proposed technique has been described, tested and discussed due to its practical use.

2

Handwriting recognition in intelligent design systems

Kacalak W., Majewski M.

Archives of Mechanical Technology and Automation

|

2014

|

Vol. 34, no. 3

3--12

EN

This article presents selected research on the development of complex fundamentals of building intelligent interactive systems for design of machine elements and assemblies on the basis of its features described in a natural language. We propose a new method for handwriting recognition that utilizes geometric features of letters. The article deals with recognition of isolated handwritten characters using neural networks. As a result of the geometrical analysis, graphical representations of recognized characters are obtained in the form of pattern descriptions of isolated characters. Selected parameters of the characters are inputs to the neural network for writing recognition which is font independent. In this article, we present a new method for off-line natural writing recognition and also describe our research and conclusions on the experiments.

PL

W artykule przedstawiono wybrane prace badawcze dotyczące podstaw budowy inteligentnych systemów interakcji do projektowania elementów i zespołów maszyn na podstawie ich cech opisywanych w języku naturalnym. Zaproponowano nową metodę rozpoznawania pisma odręcznego, w której wykorzystano geometryczne cechy znaków. Artykuł dotyczy rozpoznawania izolowanych znaków pisma odręcznego za pomocą sieci neuronowych. W wyniku analizy geometrycznej otrzymuje się reprezentacje graficzne rozpoznawanych znaków w postaci opisów wzorców pojedynczych znaków. Wybrane parametry znaków stanowią wejścia sieci neuronowej do rozpoznawania pisma niezależnego od kroju. W artykule przedstawiono nową metodę rozpoznawania pisma naturalnego, a także opisano badania i podano wnioski wynikające z eksperymentów.

3

Wybrane problemy efektywnego rozpoznawania pisma odręcznego

Kacalak W., Majewski M.

Pomiary Automatyka Kontrola

|

2011

|

R. 57, nr 5

479-482

PL

W artykule przedstawiono nowatorską metodę efektywnego rozpoznawania pisma odręcznego z zastosowaniem opracowanych sposobów analiz geometrycznych znaków i wybranych metod sztucznej inteligencji. Proponowana metoda analiz geometrycznych znaków oparta na opracowanym sposobie odpowiednich pomiarów odległości wybranych ich punktów pozwala na rozpoznawanie pisma odręcznego niezależnie od stylu i charakteru pisma operatora. W rezultacie zastosowania metody otrzymuje się zakodowaną reprezentację znaku dla efektywnego rozpoznawania przez sztuczne sieci neuronowe. Artykuł również przedstawia system rozpoznawania odręcznego pisma operatora zbudowany z podsystemów wstępnego przetwarzania, analiz geometrycznych, logiki rozmytej, sieci neuronowych oraz ich wyspecjalizowanych modułów. Proponowany inteligentny system może stanowić nowoczesny i efektywny system interakcji urządzeń technicznych i ich operatorów w zadaniach sterowania.

EN

In this paper, an innovative method for effective handwriting recognition is presented. It uses the developed methods of geometrical analyses of isolated handwritten characters and selected artificial intelligence methods. The proposed geometrical feature analysis method, based on the developed manner of appropriate measurements of distances of selected character points, allows handwriting recognition independent of different writing and character styles, and writing conditions. As a result of using the method, encoded representations of characters are obtained for effective recognition by artificial neural networks. The paper also presents an operator's handwriting recognition system consisting of the subsystems of preprocessing, geometrical analyses, fuzzy logic, neural networks, and their specialized modules. Handwriting recognition has always been a challenging problem for artificial intelligence researchers, and remains an open issue. It is because of the complexity of the handwriting recognition task. The intelligent handwriting recognition system of the technical device operator's natural writing can be a modern and effective interaction system [3, 5]. In the paper, a review of selected issues is carried out with regards to the handwriting recognition issues, new geometrical analysis method (fig. 1, 2, 3, 4) and concept of a handwriting recognition system (fig. 5, 6). The proposed system is novel in that it integrates efficient geometrical processing with artificial intelligence methods to use neural networks and fuzzy logic for effective handwriting recogni-tion.

4

Hidden Markov Model (HMM) - opis modelu i algorytmów pod kątem wykorzystania w problemach rozpoznawania mowy i pisma

Gąciarz T.

Elektrotechnika i Elektronika

|

1998

|

T. 17, nr 1

17--31

EN

The use of hidden Markov models (HMM's) for speech and handwriting recognition has become increasingly popular in the past few years. The reason why this method has become so popular are: the inherent statistical (mathematically precise) framework, the easy and availability of training algorithms for estimating the parameters of the models from the finite training sets of data, the flexibility of the resulting recognition system where one can easily change the size, type, or architecture of the models to suit particular words, sounds etc., and the ease of implementation of the overall recognition system. In this paper, the basic information on hidden Markoy model is presented. It includes formal description of the model, methods and algorithms used for training and recognition.

PL

Hidden Markov Model już od kilkunastu lat cieszy się niesłabnącą popularnością w zastosowaniach związanych z rozpoznawaniem mowy i pisma ręcznego. Przyczyną tak wielkiej popularności są niewątpliwie solidnie opracowane podstawy matematyczne modelu (teoria), jak i struktura implementacyjna (praktyka). Wykorzystywane, ogólnie dostępne algorytmy charakteryzują się jasnością i efektywnością estymacji parametrów modelu na podstawie skończonego zbioru uczącego. Elastyczność systemu rozpoznawania pozwala na łatwe dostosowanie rozmiaru, typu i architektury modelu do odpowiednich słów, dźwięków itp. W artykule tym zawarto podstawowe dane na temat budowy HMM wraz z jego formalnym opisem. Przedstawiono także ideę działania najbardziej znanych algorytmów służących do uczenia i rozpoznawania z wykorzystaniem modelu.