Revista de Engenharia da Computação e Tecnologia da Informação

Reconhecimento baseado em rede neural de retropropagação (BPNN) de equações matemáticas manuscritas

Sagar Shinde e Rajendra Waghulade

O reconhecimento de símbolos e equações matemáticas manuscritas é uma questão crítica e desafiante no campo do reconhecimento de padrões. É a necessidade de reconhecer equações matemáticas manuscritas complicadas, viz. lei da gravidade, integral de convolução, etc. Problemas como a substituição de símbolos, caracteres, etc. A abordagem de aprendizagem automática com algoritmo de rede neural de propagação inversa de feed forward back de multicamadas melhorado com um modo offline de reconhecimento tem sido utilizada para melhorar o rendimento, a precisão e a eficiência global do reconhecimento de equações matemáticas. Os recursos híbridos extraídos viz. centróide, caixa limite, densidade de zoneamento, segmento de linha etc. e descida gradiente com algoritmo de treino de momento foram utilizados. A aprendizagem adaptativa é utilizada para realizar experiências em vários tipos de equações. Através do resultado experimental, o sistema é avaliado e ilustrado, o que mostra a melhoria significativa de precisão de 93,5% no reconhecimento de equações matemáticas simples e complicadas. No futuro, a metodologia atual será o fator chave para iniciar o trabalho sem papel e o mundo digital.