Журнал компьютерной инженерии и информационных технологий

Распознавание рукописных математических уравнений на основе нейронной сети обратного распространения (BPNN)

Сагар Шинде и Раджендра Вагуладе

Распознавание рукописных математических символов и уравнений является критической и сложной проблемой в области распознавания образов. Необходимо распознавать сложные рукописные математические уравнения, такие как закон всемирного тяготения, интеграл свертки и т. д. Такие проблемы, как перезапись символов, символов и т. д., определяются и решаются путем выбора лучшего классификатора для повышения скорости распознавания. Подход к машинному обучению с усовершенствованным многослойным алгоритмом нейронной сети с обратной связью и офлайн-режимом распознавания использовался для повышения пропускной способности, точности и общей эффективности распознавания математических уравнений. Использовались извлеченные гибридные признаки, такие как центроид, граничный блок, плотность зонирования, сегмент линии и т. д., а также градиентный спуск с алгоритмом импульсного обучения. Адаптивное обучение используется для проведения эксперимента с многочисленными видами уравнений. С помощью экспериментального результата оценивается и иллюстрируется система, которая показывает значительное улучшение точности распознавания простых и сложных математических уравнений на 93,5%. В будущем текущая методология станет ключевым фактором для инициирования безбумажной работы и цифрового мира.