Abstract
The paper presents an attempt to apply of evolutionary methods to the design and training of a system for recognizing distorted text.Over the past decades, artificial neural networks are widely used in many areas of artificial intelligence, such as forecasting, optimization, data analysis, pattern recognition and decision making. Nevertheless, the traditional heuristic approaches to design of multi-layer neural networks are based on the recombination of already existing neural network architectures.This approach allows us to solve a wide range of problems, but implies compliance with specific conditions for the quality work of algorithms.The natural analogues of such intelligent systems in living nature, however, are universal enough to adapt to virtually any habitat.Despite their extreme complexity and limited ability to study their structures, it is known that these structures were formed as a result of the evolutionary process. And if today it is impossible to determine the exact architecture of the links in biological neural systems, then at least one can try to reproduce the very process of their formation in order to obtain a more universal algorithm than those developed to the present moment.In opposite to them we form the final structure of the core of the classification system by evolutionary process, taking into account the knowledge about the features of the development and construction of the nervous system of vertebrates.Applying of the approach makes it possible to abstract from the limitations of existing neural network algorithms, caused by the scope of application of specific types of their structures.
Highlights
В статье представлена попытка объединения эволюционных алгоритмов и нейронных сетей при проектировании и обучении системы распознавания искажённых изображений текста
The paper presents an attempt to apply of evolutionary methods to the design and training
The traditional heuristic approaches to design of multi-layer neural networks are based on the recombination of already existing neural network architectures
Summary
В статье представлена попытка объединения эволюционных алгоритмов и нейронных сетей при проектировании и обучении системы распознавания искажённых изображений текста. Эволюционное моделирование, в силу близости соответствующих алгоритмов к их естественным аналогам, позволяет воспроизвести происходящие в окружающей природе процессы, целью которых является адаптация заданной стохастической модели к некоторой среде её функционирования. В качестве прототипа такой модели целесообразно выбрать уже существующий в природе аналог разрабатываемой системы и применить к его конструированию эволюционный подход, наподобие того, как это происходило исторически, согласно известным на сегодняшний день палеонтологическим и антропологическим сведениям. Её можно определить как нахождение некоторой последовательности символов заданного алфавита, которая максимально соответствует цифровому изображению, поданному на вход системы распознавания. Если абстрагироваться от семантики заданного текста, то любая текстовая конструкция укладывается в рамки стохастической модели, данной как результат взаимодействия системы с окружающей средой
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
