CHAPITRE 2. FONDEMENTS THÉORIQUES
ce type de système de reconnaissance de chiffres
isolés Cependant, il a été rapporté dans la
littérature que cette approche peut fonctionner avec d'autres types de
classificateur tel que la méthode du plus proche voisin.
2.3.2 Système de KROUCHI et DJEBBAR
En 2007, KROUCHI et DJEBBAR proposent une extention dans le
domaine d'OCR qui consiste à éffectuer une hybridation entre un
réseau de neurone de type PMC et un AG [KD07]. Ce système traite
la reconnaissance hors ligne des chiffres manuscrits isolés par une
approche Neuro-Génétique. L'apprentissage de ce réseau est
composé de deux grandes étapes :
1. Une initialisation effectuée par les AGs : l'AG
verra le RN en tant qu'individu d'une population. Le réseau
utilisé est composé de trois couches de neurones avec vingts
neurones en entrée relatives aux vecteurs de caractéristiques
obtenus par la technique des moments de Zernike, quatre vingts en couche
cachée, et dix en sortie relatives au nombre de classes de chiffres
(0,1,2,3,4,5,6,7,8,9).
2. Etape d'apprentissage réalisée par
l'algorithme de rétro-propagation du gradient. Cette étape est
basée sur la descente du gradient d'erreur quadratique moyenne commise
par le réseau PMC.
Ce système de classification permet d'obtenir un taux
de reconnaissance de 87.51% en utilu-sant un PMC. Ensuite, le même
classifieur est utilisé (architecture, paramètres
d'entrées) en remplacent la technique de la rétropropagation par
la méthode génétique. Ce dernier permet d'obtenir un taux
de reconnaissance de 97.1%.
| 
