Título : |
Prototipo de Reconocimiento Automático de Notas en Actas de Archivos Académicos de la UNA Aplicando Redes Neuronales |
Tipo de documento: |
texto impreso |
Autores: |
César Roberto Rosales Maquera, Autor |
Editorial: |
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas |
Fecha de publicación: |
2001 |
Número de páginas: |
114 p. |
Il.: |
gráfs.; tbls. |
Dimensiones: |
30 cm. |
Material de acompañamiento: |
01 CD-ROM |
Nota general: |
Para Optar Título Profesional de Ingeniero de Sistemas |
Idioma : |
Español (spa) |
Resumen: |
Desarrolla programa de reconocimiento de números manuscritos mediante redes neuronales y aplicarlo en el reconocimiento de notas de actas. Método de aplicación de redes neuronales orientado al reconocimiento de patrones. Desarrollo contempla construcción de la red neuronal, entrenamiento y prueba respectiva. Operación, aplicación y prueba del prototipo. Arquitectura de red neuronal se basa en el modelo de red de retro propagación y consta de tres capas totalmente interconectadas, número de unidades en la capa de entrada de 400, imagen dígito mapeado a 20 x 20 píxeles, capa de salida de 10 unidades que corresponden a los dígitos del 0 al 9. Determina número de neuronas en capa oculta, experimentado con diversos valores de misma dentro del rango de 50 a 100 en intervalos de 5, realizándose 11 pruebas distintas durante etapa de entrenamiento, red con 100 unidades capa oculta converge a partir de 80 épocas de entrenamiento, aprendizaje más rápido a diferencia de red con 50 y 75 unidades que convergen a partir de 200 y 180 épocas, por lo que su aprendizaje es más lento, determinado número adecuado de neuronas en capa oculta es 100. Configuración red neuronal pasa a etapa de prueba, resultados satisfactorios de 94.33% reconocimiento y un 5.67% error a muestra presentada. Valores parametrales: velocidad de aprendizaje(a) igual a 0.25, momento (h) en 0.3. Proceso de entrenamiento y prueba, utilizado conjunto de dígitos manuscritos de 50 personas en duplicado sobre una plantilla, conjunto consta de 1000 patrones organizados en 10 clases y 100 patrones por clase, de los cuales un 70% se destinó al entrenamiento de red, resto para la prueba del mismo. Aplicación y prueba del prototipo, muestra de 96 actas de notas al programa, calculándose el porcentaje de reconocimiento, error independientemente cada acta, valores obtuvieron del numero de notas bien reconocidas y errados entre el total de notas existentes en acta respectivamente. Resultados: cada prueba tabulado para calcular eficiencia de reconocimiento del prototipo, obteniéndose resultados satisfactorios de 96.60% eficiencia en el reconocimiento, 3.40% error medio, “media” del porcentaje de reconocimiento cada acta, error promedio calculado de forma análoga. Concluye: método de inclusión de redes neuronales en reconocimiento de notas de actas de oficina de Archivos Académicos eficiente, siempre y cuando sistema neuronal bien entrenada. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=71518 |
Prototipo de Reconocimiento Automático de Notas en Actas de Archivos Académicos de la UNA Aplicando Redes Neuronales [texto impreso] / César Roberto Rosales Maquera, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas, 2001 . - 114 p. : gráfs.; tbls. ; 30 cm. + 01 CD-ROM. Para Optar Título Profesional de Ingeniero de Sistemas Idioma : Español ( spa)
Resumen: |
Desarrolla programa de reconocimiento de números manuscritos mediante redes neuronales y aplicarlo en el reconocimiento de notas de actas. Método de aplicación de redes neuronales orientado al reconocimiento de patrones. Desarrollo contempla construcción de la red neuronal, entrenamiento y prueba respectiva. Operación, aplicación y prueba del prototipo. Arquitectura de red neuronal se basa en el modelo de red de retro propagación y consta de tres capas totalmente interconectadas, número de unidades en la capa de entrada de 400, imagen dígito mapeado a 20 x 20 píxeles, capa de salida de 10 unidades que corresponden a los dígitos del 0 al 9. Determina número de neuronas en capa oculta, experimentado con diversos valores de misma dentro del rango de 50 a 100 en intervalos de 5, realizándose 11 pruebas distintas durante etapa de entrenamiento, red con 100 unidades capa oculta converge a partir de 80 épocas de entrenamiento, aprendizaje más rápido a diferencia de red con 50 y 75 unidades que convergen a partir de 200 y 180 épocas, por lo que su aprendizaje es más lento, determinado número adecuado de neuronas en capa oculta es 100. Configuración red neuronal pasa a etapa de prueba, resultados satisfactorios de 94.33% reconocimiento y un 5.67% error a muestra presentada. Valores parametrales: velocidad de aprendizaje(a) igual a 0.25, momento (h) en 0.3. Proceso de entrenamiento y prueba, utilizado conjunto de dígitos manuscritos de 50 personas en duplicado sobre una plantilla, conjunto consta de 1000 patrones organizados en 10 clases y 100 patrones por clase, de los cuales un 70% se destinó al entrenamiento de red, resto para la prueba del mismo. Aplicación y prueba del prototipo, muestra de 96 actas de notas al programa, calculándose el porcentaje de reconocimiento, error independientemente cada acta, valores obtuvieron del numero de notas bien reconocidas y errados entre el total de notas existentes en acta respectivamente. Resultados: cada prueba tabulado para calcular eficiencia de reconocimiento del prototipo, obteniéndose resultados satisfactorios de 96.60% eficiencia en el reconocimiento, 3.40% error medio, “media” del porcentaje de reconocimiento cada acta, error promedio calculado de forma análoga. Concluye: método de inclusión de redes neuronales en reconocimiento de notas de actas de oficina de Archivos Académicos eficiente, siempre y cuando sistema neuronal bien entrenada. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=71518 |
Prototipo de Reconocimiento Automático de Notas en Actas de Archivos Académicos de la UNA Aplicando Redes Neuronales
Desarrolla programa de reconocimiento de números manuscritos mediante redes neuronales y aplicarlo en el reconocimiento de notas de actas. Método de aplicación de redes neuronales orientado al reconocimiento de patrones. Desarrollo contempla construcción de la red neuronal, entrenamiento y prueba respectiva. Operación, aplicación y prueba del prototipo. Arquitectura de red neuronal se basa en el modelo de red de retro propagación y consta de tres capas totalmente interconectadas, número de unidades en la capa de entrada de 400, imagen dígito mapeado a 20 x 20 píxeles, capa de salida de 10 unidades que corresponden a los dígitos del 0 al 9. Determina número de neuronas en capa oculta, experimentado con diversos valores de misma dentro del rango de 50 a 100 en intervalos de 5, realizándose 11 pruebas distintas durante etapa de entrenamiento, red con 100 unidades capa oculta converge a partir de 80 épocas de entrenamiento, aprendizaje más rápido a diferencia de red con 50 y 75 unidades que convergen a partir de 200 y 180 épocas, por lo que su aprendizaje es más lento, determinado número adecuado de neuronas en capa oculta es 100. Configuración red neuronal pasa a etapa de prueba, resultados satisfactorios de 94.33% reconocimiento y un 5.67% error a muestra presentada. Valores parametrales: velocidad de aprendizaje(a) igual a 0.25, momento (h) en 0.3. Proceso de entrenamiento y prueba, utilizado conjunto de dígitos manuscritos de 50 personas en duplicado sobre una plantilla, conjunto consta de 1000 patrones organizados en 10 clases y 100 patrones por clase, de los cuales un 70% se destinó al entrenamiento de red, resto para la prueba del mismo. Aplicación y prueba del prototipo, muestra de 96 actas de notas al programa, calculándose el porcentaje de reconocimiento, error independientemente cada acta, valores obtuvieron del numero de notas bien reconocidas y errados entre el total de notas existentes en acta respectivamente. Resultados: cada prueba tabulado para calcular eficiencia de reconocimiento del prototipo, obteniéndose resultados satisfactorios de 96.60% eficiencia en el reconocimiento, 3.40% error medio, “media” del porcentaje de reconocimiento cada acta, error promedio calculado de forma análoga. Concluye: método de inclusión de redes neuronales en reconocimiento de notas de actas de oficina de Archivos Académicos eficiente, siempre y cuando sistema neuronal bien entrenada.
Rosales Maquera, César Roberto -
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas - 2001
Para Optar Título Profesional de Ingeniero de Sistemas
|
| |