Handwritten Arabic Alphanumeric character recognition using BP and sofm neuralnetworks

• Published in: al-Rafidain Engineering Journal : Regional Referred Scientific Journal. Vol. 14; no. 2; pp. 68 - 80
• Main Author: Khalil, Rafid Ahmad
• Format: Journal Article
• Language: Arabic; English
• Published: Mosul, Iraq University of Mosul, College of Engineering 2006
• Subjects: Automatic speech recognition; Data processing; Neural networks (Computer science); Optical pattern recognition; Writing; الشبكات العصبية; الكتابة; معالجة البيانات
• ISSN: 1813-0526; 2220-1729

هذا البحث يقدم النتائج المستخلصة من استخدام نموذجين من نماذج الشبكات العصبية، هما نموذج الانتشار العكسي BP و نموذج خريطة الصفات ذاتية التنظيم SOFM في تطبيق تمييز الحروف و الأرقام العربية المكتوبة باليد. استخدمت طريقة جديدة في استخلاص الخصائص معتمدة على إسقاط الظل. و تم تدريب الشبكتين باستخدام أنماط من حروف و أرقام مكتوبة من قبل أشخاص مختلفين، هذه الأنماط تدعي (مجموعة التعلم). و المطلوب بعد إتمام هذه العملية، تمييز أنماط جديدة من خارج مجموعة التعلم. كما يتضمن البحث تقييما لقابلية النموذجين في تمييز 28 حرف و رقم يدوي مختلف و بعده أنماط. و نقوم أيضا و بالاعتماد على النتائج التجريبية بمقارنة الأداء للنموذجين. This paper presents results obtained by applying two neural networks models Backpropagation (BP), and Self-Organized Feature Map (SOFM) to a new application of handwritten Arabic alphanumeric character (HAAC) recognition. A novel method for features extraction, based on a shadow projection is used. Both networks are trained using Arabic character samples written by different people (learning set). They are required, after the learning is over, to recognize characters out of the learning set. Evaluation of the recognition (classification) capability of the two models for 28 alphanumeric characters is achieved. Depending on the experimental results, a comparison of both algorithms is done.