La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Optimisation de réseaux de neurones pour la reconnaissance de chiffres manuscrits isolés : sélection et pondération des primitives par algorithmes génétiques

Benahmed, Nadia (2002). Optimisation de réseaux de neurones pour la reconnaissance de chiffres manuscrits isolés : sélection et pondération des primitives par algorithmes génétiques. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (3MB) | Prévisualisation

Résumé

La sélection des primitives est une étape importante dans tout système de reconnaissance de formes. Cette sélection des primitives est considérée comme un problème d'optimisation combinatoire et a fait l'objet de recherche dans de nombreuses disciplines. L'objectif principal de la sélection des primitives est de réduire le nombre de celles-ci en éliminant les primitives redondantes et non pertinentes du système de reconnaissance. Le second objectif de cette sélection de primitives est aussi de maintenir et/ou améliorer la performance du classifieur utilisé par le système de reconnaissance. Les algorithmes génétiques sont utilisés pour résoudre ce type de problème de sélection des primitives dans la reconnaissance de chiffres isolés. Les résultats obtenus lors de la sélection des primitives ont permis de réduire la complexité du réseau de neurones utilisé. Le nombre de primitives a été réduit de 25% par rapport à l'ensemble des primitives extraites du système de reconnaissance de chiffres manuscrits isolés tout en maintenant la performance en taux de reconnaissance du système.

Titre traduit

Optimization of the neural networks on isolated handwritten digits: selection and weight features by genetic algorithms

Résumé traduit

Feature selection is a significant stage in all pattern recognition systems. Feature selection can be considered as a global combinatorial optimization problem and is an active research subject. The first goal through the task of feature selection process is to reduce the number of features by throwing out the redundant and irrelevant features from the set of features. The second objective is also to maintain and/or to increase the performance of the classifier used by the recognition system. The genetic algorithms are used to solve the problem of feature selection for the recognition of the isolated handwritten digits.

The results obtained allow reducing the complexity of the neural networks used. The number of features was decrease by 25% compared to the subset of features that are extracted from the recognition system on the isolated handwritten digits while maintaining the performance.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de la production automatisée." Bibliogr.: p. [120]-124
Mots-clés libres: Algorithme, Chiffre, Forme, Genetique, Manuscrit, Neurone, Optimisation, Primitive, Reconnaissance, Reseau
Directeur de mémoire/thèse:
Directeur de thèse
Sabourin, Robert
Co-directeurs de mémoire/thèse:
Co-directeurs de thèse
Suen, Ching Y.
Programme: Maîtrise en ingénierie > Génie de la production automatisée
Date de dépôt: 12 mai 2011 14:04
Dernière modification: 13 oct. 2016 21:09
URI: http://espace.etsmtl.ca/id/eprint/806

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...