Revista de ingeniería informática y tecnología de la información

Reconocimiento de ecuaciones matemáticas escritas a mano basado en redes neuronales de retropropagación (BPNN)

Sagar Shinde y Rajendra Waghulade

El reconocimiento de símbolos y ecuaciones matemáticas escritas a mano es un problema crítico y desafiante en el campo del reconocimiento de patrones. Es la necesidad de reconocer ecuaciones matemáticas escritas a mano complicadas, como la ley de la gravedad, la integral de convolución, etc. Los problemas como la sobrescritura de símbolos, caracteres, etc. se identifican y se resuelven seleccionando el mejor clasificador para mejorar la tasa de reconocimiento. El enfoque de aprendizaje automático con un algoritmo de red neuronal de propagación hacia adelante y hacia atrás de precentor multicapa mejorado con un modo de reconocimiento fuera de línea se ha utilizado para mejorar el rendimiento, la precisión y la eficiencia general del reconocimiento de ecuaciones matemáticas. Se han utilizado las características híbridas extraídas, a saber, centroide, cuadro límite, densidad de zonificación, segmento de línea, etc. y el algoritmo de entrenamiento de descenso de gradiente con momento. El aprendizaje adaptativo se utiliza para llevar a cabo el experimento en numerosos tipos de ecuaciones. A través del resultado experimental, se evalúa e ilustra el sistema que muestra la mejora significativa del 93,5 % de precisión en el reconocimiento de ecuaciones matemáticas simples y complicadas. En el futuro, la metodología actual será el factor clave para iniciar el trabajo sin papel y el mundo digital.