Software para Auxílio à Pré-alfabetização 
Infantil Baseado em 
Reconhecimento Inteligente de 
Caracteres Manuscritos 
Aut...
Sumário 
● Objetivo do trabalho do artigo; 
● Proposta do artigo; 
● Modelo de RNA utilizado para o problema proposto; 
● ...
Objetivo do Trabalho do 
Artigo 
● Apresentar o desenvolvimento de software para o 
ensino infantil; 
● Software de auxíli...
Proposta do Artigo 
● Reconhecimento de caracteres manuscritos; 
● Utilização de RNA supervisionada; 
● Treinamento com co...
Modelo de RNA utilizado 
para o problema proposto 
● Modelo utilizado: 
− Multi Layer Perceptron (MLP). 
● Algoritmo de Tr...
Multi Layer Perceptron 
(MLP) 
● Possui uma ou mais 
camadas ocultas; 
● Possibilita o mapeamento 
eficiente de padrões de...
Algoritimo 
Backpropagation 
● Backpropagation - define a forma com que a rede é treinada; 
● Parte da saída até a entrada...
Desenvolvimento do Artigo 
para o Problema Proposto 
● Reconhecimento Inteligente de Caracteres (ICR); 
● Utilização de RN...
Desenvolvimento do Artigo 
para o Problema Proposto 
● O sistema está dividido em 3 módulos básicos: 
− Interface; 
− Trei...
Interface do Sistema
Desenvolvimento do Artigo 
para o Problema Proposto 
● Quantidade de amostras coletadas: 
− 780 amostras de 30 crianças di...
RNA Proposta 
● RNA proposta no artigo: 
− 4 camadas, sendo 2 ocultas; 
− 400 neurônios de entrada; 
● Um para cada pixel ...
RNA Proposta
Resultado Geral Obtido 
com os Testes
Observações sobre os 
Resultados Obtidos 
● Percentual de erro obtido na média: 6,15%; 
● Percentual de erro das letras qu...
Perguntas?
Artigo 
● http://ceie-sbc. 
educacao.ws/pub/index.php/sbie/article/view/3 
94 
Autores 
● Peterson Adriano Belan; 
o peter...
Próximos SlideShares
Carregando em…5
×

Apresentação de artigo sobre a aplicação de uma RNA e Backpropagation

456 visualizações

Publicada em

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.

Publicada em: Tecnologia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
456
No SlideShare
0
A partir de incorporações
0
Número de incorporações
4
Ações
Compartilhamentos
0
Downloads
7
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

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

×