Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Apresentação de artigo sobre a aplicação de uma RNA e Backpropagation

545 views

Published on

Artigo apresentado à disciplina de Redes Neurais, do curso de Engenharia Eletrônica da UERJ. O artigo trata sobre o desenvolvimento de um software para auxílio à pré-alfabetização infantil baseado em Reconhecimento Inteligente de Caracteres Manuscritos.

O Artigo foi apresentado originalmente pelos autores no XVI Simpósio Brasileiro de Informática na Educação – SBIE - UFJF – 2005.

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Apresentação de artigo sobre a aplicação de uma RNA e Backpropagation

  1. 1. Software para Auxílio à Pré-alfabetização Infantil Baseado em Reconhecimento Inteligente de Caracteres Manuscritos Autores: Peterson Adriano Belan; Edilaine Petinari Nery; Sidnei Alves de Araújo. Centro Universitário Nove de Julho, SP. Artigo apresentado originalmente no XVI Simpósio Brasileiro de Informática na Educação – SBIE - UFJF – 2005. Apresentadora do artigo para a disciplina de Redes Neurais Artificiais do Curso de Mestrado em Engenharia Eletrônica - UERJ: Juliana Cindra. Outubro 2014
  2. 2. Sumário ● Objetivo do trabalho do artigo; ● Proposta do artigo; ● Modelo de RNA utilizado para o problema proposto; ● Multi Layer Perceptron (MLP); ● Algoritmo Backpropagation; ● Desenvolvimento do artigo para o problema proposto ● RNA proposta; ● Resultado geral obtido com os testes; ● Observações sobre os resultados obtidos.
  3. 3. Objetivo do Trabalho do Artigo ● Apresentar o desenvolvimento de software para o ensino infantil; ● Software de auxílio no período pré-alfabetização; ● Apresentação de palavras incompletas; ● Preenchimento das lacunas com letras manuscritas; ● Utilização de caneta óptica; ● Realizar o reconhecimento das letras; ● Fornecer um feedback; ● Estimular o uso do computador como complemento no aprendizado infantil.
  4. 4. Proposta do Artigo ● Reconhecimento de caracteres manuscritos; ● Utilização de RNA supervisionada; ● Treinamento com conjunto de letras de crianças entre cinco e sete anos; ● Módulo neural compondo o núcleo do software; ● Utilização do software após a fase de treinamento; ● Interface multimídia devidamente caracterizada para interação com o público infantil.
  5. 5. Modelo de RNA utilizado para o problema proposto ● Modelo utilizado: − Multi Layer Perceptron (MLP). ● Algoritmo de Treinamento da RNA: − Algoritmo de retro-propagação de erro, Backpropagation.
  6. 6. Multi Layer Perceptron (MLP) ● Possui uma ou mais camadas ocultas; ● Possibilita o mapeamento eficiente de padrões de entradas similares para saídas diferentes.
  7. 7. Algoritimo Backpropagation ● Backpropagation - define a forma com que a rede é treinada; ● Parte da saída até a entrada corrigindo os pesos sinápticos em todas as camadas da MLP; ● Algoritmo utilizado para treinamento de MLP baseado no aprendizado supervisionado por correção e erro; ● O treinamento de uma RNA baseado em Backpropagation, normalmente utiliza grande esforço computacional. Necessário muitas iterações para obtenção de resposta desejada. ● Função de calculo do erro, e função de ativação precisam ser diferenciáveis; ● Pode-se encontrar os pesos que minimizam o erro a través da derivada da função do erro; ● Um método comum para encontrar os pesos que minimizam o erro, é a descida do gradiente.
  8. 8. Desenvolvimento do Artigo para o Problema Proposto ● Reconhecimento Inteligente de Caracteres (ICR); ● Utilização de RNA do tipo MLP como técnica para a tarefa de reconhecimento de caracteres manuscritos; ● MLP treinada com Backpropagation; ● RNA como núcleo do software proposto; ● Linguagem C++ para o algoritmo Backpropagation; ● Linguagem Visual Basic (VB) para a interface gráfica de comunicação com o usuário.
  9. 9. Desenvolvimento do Artigo para o Problema Proposto ● O sistema está dividido em 3 módulos básicos: − Interface; − Treinamento; − Reconhecimento de Caracteres.
  10. 10. Interface do Sistema
  11. 11. Desenvolvimento do Artigo para o Problema Proposto ● Quantidade de amostras coletadas: − 780 amostras de 30 crianças distintas; ● Conjunto de treinamento: − Composto por 650 letras; ● Conjunto de testes: − Composto pelas 130 letras restantes; ● Utilização de quantidades iguais de cada letra do alfabeto no treinamento e testes. ● Realização de um pré-processamento para captura e escalonamento das imagens antes da composição do conjunto de treinamento.
  12. 12. RNA Proposta ● RNA proposta no artigo: − 4 camadas, sendo 2 ocultas; − 400 neurônios de entrada; ● Um para cada pixel da imagem pré-processada do caractere (20X20 px). − 26 neurônios na primeira camada oculta; − 78 neurônios na segunda camada oculta; − 26 neurônios na camada de saída; ● Cada um para representar uma letra do alfabeto.
  13. 13. RNA Proposta
  14. 14. Resultado Geral Obtido com os Testes
  15. 15. Observações sobre os Resultados Obtidos ● Percentual de erro obtido na média: 6,15%; ● Percentual de erro das letras que apresentaram erro: 20%; ● Houve dificuldades no reconhecimento de alguns caracteres; oExemplo: b e h, m e n. ● Uma das principais dificuldades da rede neural foi a extração das características intrínsecas dos caracteres; ● Dificuldade devido algumas letras possuírem partes muito semelhantes, o que confundiu a rede; ● De acordo com os autores o software mostrou bom desempenho apesar do percentual de erro obtido.
  16. 16. Perguntas?
  17. 17. Artigo ● http://ceie-sbc. educacao.ws/pub/index.php/sbie/article/view/3 94 Autores ● Peterson Adriano Belan; o peterson@gruponef.com.br ● Edilaine Petinari Nery; o edilaine@gruponef.com.br ● Sidnei Alves de Araújo. o saraujo@uninove.br

×