Türkçe metin kütüklerinde geri yayılımlı nöron ağı kullanarak karakter tanıma

Abstract

Ill ÖZET TÜRKÇE METİN KÜTÜKLERİNDE GERİ YAYILIMLI NÖRON AGl KULLANARAK KARAKTER TANIMA Hakkı AKSOY Basılı metinler üzerinde karakter tanıma konusu uzun bir zamandır araştırmacıların ilgisini çekmektedir. Bu çalışmada da Türkçe yazılı metinler üzerinde optik karakter tanıma konusuna geri yayılımın nöron ağı modeli kullanılarak çözüm bulunmaya çalışılmıştır. Çalışmanın amacı, yapay nöron ağlan ve sınıflama yöntemlerini kullanarak yazı biçimine bağlı olmayan Türkçe karakter tanıma gerçekleştirimidir. Türkçe harfler ile birtakım özel işaretler üzerine kurulu karakter tanıma dizgesi, karakter kümesi geliştirilebilir şekilde tasarlanmıştır. Tarayıcı aracılığıyla sayısallaştırılan metinler öncelikle satırlara sonrasında ise harflere ayrılarak bölümlendirilmiştir. Bölümleme sonucunda oluşan harfler yapay anlayış yöntemleri kullanılarak gruplanmıştır.Özellik çıkarsama aşamasında nöron ağının eğitimi için harfler yoğunluk matrisi kullanılarak bölümlenmiş ve belirli sayıdaki karakter kümesi ile 8 nöron ağı ilgili harf grupları ile eğitilmiştir. Uygulama aşamasında, sayısallaştırılmış metin dizgeye verilerek önişlemlerden geçirilip gruplandıktan sonra yoğunluk matrisi kullanılarak tanıma gerçekleştirilmiştir. Bu dizge üzerinde 8 nöron ağı eşgüdümlü olarak tanıma işlemi için birlikte çalışmaktadır. Anahtar Sözcükler : Karakter Tanıma, Nöron Ağları, Geri Yayılımın Nöron Ağlan, Örüntü Tanıma, Önişleme.

IV SUMMARY CHARACTER RECOGNITION ON TURKISH TEXT IMAGES USING BACK PROPAGATION NEURAL NET Hakkı AKSOY Character recognition of written material has been a long time of interests to researchers. This study presents another effort in developing practical systems using back propagation neural net model for automatic recognition of Turkish texts. The aim of this study is that using artificial neural nets and classification methods recognize the Turkish characters with font-independent. The alphabet consists of Turkish letters and special characters. However system has been implemented in extendable form with new characters. Text is digitized with a scanner and the digitized text is first segmented to lines and further to individual letters. These letters are firstly classified into almost eight classes using artificial intelligence methods. During the feature extraction, they are segmented into density areas for training neural network. With a specified number letter, neural net is trained and weight values are set. In application process, the digitized text is given to system and with preprocessing. method letters are find; the segmented letter is given to specified neural net. So eight neural nets are run simultaneously for producing the results. Keywords : Character Recognition, Neural Network, Back Propagation Neural Network, Pattern Recognition, Preprocessing.