RECONHECIMENTO DE LETRAS E NÚMEROS USANDO REDES NEURAIS ARTIFICIAIS
"2017-06-07 00:00:00" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 28795 "edicao_id" => 59 "trabalho_id" => 889 "inscrito_id" => 1788 "titulo" => "RECONHECIMENTO DE LETRAS E NÚMEROS USANDO REDES NEURAIS ARTIFICIAIS" "resumo" => "As Redes Neurais Artificiais (RNAs) são modelos computacionais inspirados no sistema nervoso central de um ser humano, em particular o cérebro, capazes de realizar o aprendizado de máquina, bem como o reconhecimento de padrões. As RNAs possuem características importantes, sendo que os neurônios de uma rede estão conectados entre si e dispostos em camadas. A disposição dos neurônios nas camadas e o padrão de conexão entre estas definem a arquitetura da RNA. O presente estudo trata do reconhecimento de padrões aplicado à letras e números em forma de imagem. Um exemplo de aplicação é o reconhecimento de placas de automóveis que, através da imagem da placa do veiculo, pode-se treinar um rede para o reconhecimento das letras e números ali presentes. Nesse projeto foi construído em forma matricial (3x3) nove letras e um número como entradas e saídas, sendo elas: T, L, U, I, Y, C, O, H, X e 4. A rede foi treinada com backpropagation de gradiente conjugado escalado (trainscg), contendo 9 (nove) neurônios na camada de entrada e 4 (quatro) neurônios na camada de saída, treinamento trainlm (LevenbergMarquardt backpropagation) e com sua performance MSE (mean squared error). Foram feitos diversos treinamentos de redes com a mudança de estilo de treinamento, mudando a função de ativação e outros parâmetros. Alterando os parâmetros da rede e outras funções, podemos utilizar para treiná-la e conseguir uma eficiência favorável, pois no reconhecimento de placas de veículos são utilizadas fotografias para o reconhecimento de padrões das letras e números ali presentes." "modalidade" => "Pôster (PO)" "area_tematica" => "Engenharia Elétrica" "palavra_chave" => "REDES NEURAIS ARTIFICIAIS, RECONHECIMENTO DE PADRÕES, TREINAMENTO, TECNOLOGIA" "idioma" => "Português" "arquivo" => "TRABALHO_EV070_MD4_SA16_ID1788_15052017191319.pdf" "created_at" => "2020-05-28 15:53:14" "updated_at" => "2020-06-09 19:21:27" "ativo" => 1 "autor_nome" => "LUIZ HENRIQUE ALVES DOS SANTOS" "autor_nome_curto" => "LUIZ HENRIQUE" "autor_email" => "luizhenriquetec-eng@hotma" "autor_ies" => "UNEMAT" "autor_imagem" => "" "edicao_url" => "anais-ii-conapesc" "edicao_nome" => "Anais II CONAPESC" "edicao_evento" => "II Congresso Nacional de Pesquisa e Ensino em Ciências" "edicao_ano" => 2017 "edicao_pasta" => "anais/conapesc/2017" "edicao_logo" => "5e49fd7b37d20_16022020234203.jpg" "edicao_capa" => "5f184199ee8b8_22072020103937.jpg" "data_publicacao" => null "edicao_publicada_em" => "2017-06-07 00:00:00" "publicacao_id" => 28 "publicacao_nome" => "Anais do Conapesc" "publicacao_codigo" => "2525-6696" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 28795 "edicao_id" => 59 "trabalho_id" => 889 "inscrito_id" => 1788 "titulo" => "RECONHECIMENTO DE LETRAS E NÚMEROS USANDO REDES NEURAIS ARTIFICIAIS" "resumo" => "As Redes Neurais Artificiais (RNAs) são modelos computacionais inspirados no sistema nervoso central de um ser humano, em particular o cérebro, capazes de realizar o aprendizado de máquina, bem como o reconhecimento de padrões. As RNAs possuem características importantes, sendo que os neurônios de uma rede estão conectados entre si e dispostos em camadas. A disposição dos neurônios nas camadas e o padrão de conexão entre estas definem a arquitetura da RNA. O presente estudo trata do reconhecimento de padrões aplicado à letras e números em forma de imagem. Um exemplo de aplicação é o reconhecimento de placas de automóveis que, através da imagem da placa do veiculo, pode-se treinar um rede para o reconhecimento das letras e números ali presentes. Nesse projeto foi construído em forma matricial (3x3) nove letras e um número como entradas e saídas, sendo elas: T, L, U, I, Y, C, O, H, X e 4. A rede foi treinada com backpropagation de gradiente conjugado escalado (trainscg), contendo 9 (nove) neurônios na camada de entrada e 4 (quatro) neurônios na camada de saída, treinamento trainlm (LevenbergMarquardt backpropagation) e com sua performance MSE (mean squared error). Foram feitos diversos treinamentos de redes com a mudança de estilo de treinamento, mudando a função de ativação e outros parâmetros. Alterando os parâmetros da rede e outras funções, podemos utilizar para treiná-la e conseguir uma eficiência favorável, pois no reconhecimento de placas de veículos são utilizadas fotografias para o reconhecimento de padrões das letras e números ali presentes." "modalidade" => "Pôster (PO)" "area_tematica" => "Engenharia Elétrica" "palavra_chave" => "REDES NEURAIS ARTIFICIAIS, RECONHECIMENTO DE PADRÕES, TREINAMENTO, TECNOLOGIA" "idioma" => "Português" "arquivo" => "TRABALHO_EV070_MD4_SA16_ID1788_15052017191319.pdf" "created_at" => "2020-05-28 15:53:14" "updated_at" => "2020-06-09 19:21:27" "ativo" => 1 "autor_nome" => "LUIZ HENRIQUE ALVES DOS SANTOS" "autor_nome_curto" => "LUIZ HENRIQUE" "autor_email" => "luizhenriquetec-eng@hotma" "autor_ies" => "UNEMAT" "autor_imagem" => "" "edicao_url" => "anais-ii-conapesc" "edicao_nome" => "Anais II CONAPESC" "edicao_evento" => "II Congresso Nacional de Pesquisa e Ensino em Ciências" "edicao_ano" => 2017 "edicao_pasta" => "anais/conapesc/2017" "edicao_logo" => "5e49fd7b37d20_16022020234203.jpg" "edicao_capa" => "5f184199ee8b8_22072020103937.jpg" "data_publicacao" => null "edicao_publicada_em" => "2017-06-07 00:00:00" "publicacao_id" => 28 "publicacao_nome" => "Anais do Conapesc" "publicacao_codigo" => "2525-6696" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }