Распознавание - символ
Cтраница 2
Оператор обработки необходим, чтобы получить нужную информацию, выполнить над исходными сигналами определенные действия. Различают следующие операторы получения новой информации [6 ]: 1) распознавание символов и кодовых слов; 2) ввод информации; 3) размещение ( хранение) информации в долговременном запоминающем устройстве ( ДЗУ); 4) поиск информации; 5) передача сигналов из одного устройства в другое ( оператор передачи управления); 6) арифметические и логические операторы; 7) операторы воспроизведения ( размножения) информации; 8) операторы передачи информации в измененном виде. [16]
 |
Результаты восстановления изображений объектов, приведенных на, с помощью обратных проекций, подвергнутых филы - рации. [17] |
Если контур образован участками окружности, а не прямыми, как, например, в случае очертаний автомобиля, то при восстановлении изображения детали утрачиваются. Однако этот метод именно благодаря низкой чувствительности может оказаться полезен при распознавании символов из разных комплектов шрифта. [18]
В любом случае пользователь может пожелать добавить информацию о только что вычерченном символе к структуре данных. Если распознаватель правильно распознал символ, то пользователь может применить световую кнопку да для увеличения весов, соответствующих распознаванию символа по набору штрихов. Если же распознаватель не смог распознать символ, то пользователь может реагировать с помощью кнопки нет, в результате чего высвечивается меню из всех возможных символов; с помощью указки пользователь показывает правильный символ. Если пользователь решает, что ему не нужно изменять структуру данных для этого символа, то он может воспользоваться световой кнопкой выброс для того, чтобы этот символ игнорировался. Этот процесс повторяется до тех пор, пока распознаватель не достигнет приемлемой степени распознавания. После этого структура данных может быть выдана, например, в виде приведенного выше списка, чтобы впоследствии не повторять обучение. [19]
 |
Классификация ППП. [20] |
Проблемно-ориентированные ППП - наиболее развитая в плане реализуемых функций и многочисленная по количеству созданных пакетов часть ППП. Она включает следующие проблемно-ориентированные программные продукты: текстовые процессоры, издательские системы, графические редакторы, демонстрационную графику, системы мультимедиа, ПО-САПР, организаторы работ, электронные таблицы ( табличные процессоры), системы управления базами данных, программы распознавания символов, финансовые и аналитико-статис-тические программы. [21]
Экономия времени работы программы обычно достигается только при использовании таких средств, как указание, позиционирование и печать символов, в которых информативное содержание, заключенное в каждом действии, сравнительно мало. Часто выбор типа общения с системой лишь частично может быть основан на экономичности. Например, режимы распознавания рукописных символов или вычерчивания линии типа резиновой нити могут быть очень сложны и дороги для реализации, но их включение в систему оправдано, если требуется свести к минимуму затраты времени пользователя при работе за пультом. [22]
При использовании первого человек рассматривает объект в целом и принимает решение, исходя из его общей структуры. Обычно именно таким образом проводится распознавание стилизованных рукописных символов, особенно китайских, когда идентифицируются штрихи и другие элементарные блоки, из которых строится соответствующий символ. [23]
Всегда интересно найти новый ракурс. Человеческий взгляд как сканер - сканирует все подряд. А художника можно сравнить с программой для распознавания символов: он из механически сканированного вычленяет образ. У меня, например, есть мечта походить по городу с лесенкой. [24]
Основной подход, которым руководствуются при выборе устройства ввода данных, базируется на оценках возможных альтернатив с точки зрения требований, которые они должны удовлетворять. В этом разделе рассматривается в качестве примера использование устройства оптическою распознавания символов, установленного на стороне центральной ЭВМ. [25]
Ван дер Люгта [214] имеет очень низкую помехоустойчивость по отношению к посторонним объектам. Поэтому предлагаются различные приемы, усовершенствующие эту схему и учитывающие как наличие посторонних объектов, так и неточность в задании искомого объекта. Так, в [166] предложен метод расчета фильтров для обнаружения символов, названный методом взвешенных матриц, учитывающий различия в ширине штрихов, составляющих символы, и позволяющий значительно уменьшить вероятность ошибки при корреляционном распознавании символов. Идея метода заключается в том, что синтез согласованного фильтра на данный символ заменяется на синтез фильтра для определенным образом размазанного аналога символа, называемого взвешенной матрицей. [26]
В этот обработчик, как и в описанные выше, передается параметр Key, определяющий нажатую клавишу символа. В данном случае в обработчик передается ие виртуальный код клавиши, а символ, по которому можно определить, прописная это буква, или строчная, русская, или латинская. Поэтому описанных выше сложностей с распознаванием символов не возникает. [27]
Это важно ( как будет видно в дальнейшем) для планирования объема времени на различные формы учебной работы по каждому курсу, объема заданий на самостоятельную отработку материала курса и объема времени на их выполнение по соответствующим предметам. Это особенно важно для курсов, даваемых на наивысшем - четвертом - уровне требований. Так, ознакомительный курс следует давать на уровне распознавания символов, объектов, явлений; вспомогательный курс - на уровне знаний; специальные курсы - на уровне умений, а лро-филирующие - на уровне навыков. [28]
Эта книга посвящена нейронным сетям - мощному, хотя и не всегда правильно понимаемому методу. Этот алгоритм наиболее широко распространен и наименее уязвим с точки зрения математики. Благодаря экспоненциально возрастающему в последние несколько лет количеству конференций по финансовым применениям нейронных сетей, эта методика завоевывает все большее доверие в финансовых кругах. Она имеет самые разные применения: от оптических устройств распознавания символов ( OCR, Optical Character Recognition), основанных на нейронных моделях различения настоящих и поддельных подписей, до таких собственно финансовых приложений, как оценка кредитоспособности, процедуры рассмотрения заявок на ссуды, наилучшее распределение активов, оценка волатильно-сти, управление валютными активами, технический анализ. [29]
Более тщательно должно быть исследовано влияние установки в момент предъявления стимула на последующие характеристики памяти. Результаты некоторых экспериментов [592, 593] указывают, что установка представляет собой скорее функцию способа поиска в памяти, нежели способа записи элементов информации в память. В литературе имеются также довольно противоречивые данные о скрытом обучении; этот термин используется для описания экспериментов, в которых животные, научившиеся реагировать на раздражитель А в присутствии раздражителя В, не связанного с текущими потребностями животного, в результате быстрее обучаются впоследствии реакции на раздражитель В. На основе существующих экспериментальных данных еще не ясно, как при моделировании обучения понятиям процедура распознавания символов должна быть соединена с процедурой формирования ответов. [30]
Страницы: 1 2