Artigo Anais II CONAPESC

ANAIS de Evento

ISSN: 2525-6696

RECONHECIMENTO DE LETRAS E NÚMEROS USANDO REDES NEURAIS ARTIFICIAIS

Palavra-chaves: REDES NEURAIS ARTIFICIAIS, RECONHECIMENTO DE PADRÕES, TREINAMENTO, TECNOLOGIA Pôster (PO) Engenharia Elétrica
"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 => "*"
  ]
}
Publicado em 07 de junho de 2017

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.

Compartilhe:

Visualização do Artigo


Deixe um comentário

Precisamos validar o formulário.