Студопедія
рос | укр

Головна сторінка Випадкова сторінка


КАТЕГОРІЇ:

АвтомобіліБіологіяБудівництвоВідпочинок і туризмГеографіяДім і садЕкологіяЕкономікаЕлектронікаІноземні мовиІнформатикаІншеІсторіяКультураЛітератураМатематикаМедицинаМеталлургіяМеханікаОсвітаОхорона праціПедагогікаПолітикаПравоПсихологіяРелігіяСоціологіяСпортФізикаФілософіяФінансиХімія






Дисперсійний зв’язок


Дата добавления: 2015-10-15; просмотров: 540



Очевидно, проблема распознавания рукописного текста значительно сложнее, чем в случае с текстом печатным. Если в последнем случае мы имеем дело с ограниченным числом вариаций изображений шрифтов (шаблонов), то в случае рукописного текста число шаблонов неизмеримо больше. Дополнительные сложности вносят также иные соотношения линейных размеров элементов изображений и т. п.

И все же сегодня мы можем признать, что основные этапы разработки технологии распознавания рукописных (отдельные символы, написанные от руки) символов уже пройдены. В арсенале Cognitive Technologies имеются технологии распознавания всех основных типов текстов: стилизованных цифр, печатных символов и <рукопечатных> символов. Но технологии ввода <рукопечатных> символов потребуется еще пройти стадию адаптации, после чего можно будет заявить, что инструментарий для потокового ввода документов в архивы действительно реализован полностью.

 

Резюме

Динамичное развитие новых компьютерных технологий (сетевые технологии, технологии <клиент-сервер>, и т. д.) нашли свое отражение и в состоянии сектора электронного документооборота. Если раньше в продвижении технологий бесклавиатурного ввода делался упор на преимущества их персонального использования, то сегодня на первый план выходят преимущества коллективного и рационального использования технологий ввода и обработки документов. Иметь одну, обособленную систему распознавания сегодня уже явно недостаточно. С распознанными текстовыми файлами (как бы хорошо они распознаны ни были) нужно что-то делать: хранить в базе данных, осуществлять их поиск, передавать по локальной сети, и т. д. Словом, требуется взаимодействие с архивной или иной системой работы с документами. Таким образом, система распознавания превращается в утилиту для архивных и иных систем работы с документами.

С появлением сетевых версий систем сканирования (режим потокового сканирования OCR CuneiForm) и распознавания (сервер распознавания CuneiForm OCR Server) документов нашей компании уже удалось реализовать некоторые преимущества коллективного использования таких технологий в организациях разного масштаба. По этой причине, с нашей точки зрения, актуальным был бы разговор о комплексном решении компаниями проблемы автоматизации работы с документами в организациях самого различного ранга. Что касается Cognitive Technologies, то представляемый ею электронный архив <Евфрат> (система включает в себя возможность ввода документов с помощью OCR CuneiForm), новые утилиты, встроенные в OCR CuneiForm'96, и технологии, используемые при реализации крупных проектов, продолжают линию компании, направленную на расширение применения систем ввода информации и разработку технологий автоматизации работы с документами

 

 


Библиографический список

  1. Логический подход к искусственному интеллекту. / Под ред. Гаврилова Г.П. - М.: Мир,1990.
  2. Эндрю А. Искусственный интеллект / А. Эндрю. Под ред. Поспелова Д.А. - М.: Мир, 1985.
  3. Перспективы развития вычислительной техники.Кн.2. Интеллектуализация ЭВМ.М., 1989
  4. Уинстон П. Искусственный интеллект/ П. Уинстон. М.,1980.
  5. Хант Э. Искусственный интеллект. М.,1978.
  6. Экспертные системы. Принципы работы и примеры: Пер. с англ./ А. Брукинг, П. Джонс, Ф. Кокс. – М.: Радио и связь, 1987. –224 с: ил.
  7. Аверкин А.Н. и др .Обобщенные стратегии в решателях проблем.
  8. Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ / Искусственный интеллект: Справочник. - Т. 1.- М.: Радио и связь, 1990
  9. Уотермен Д. Руководство по экспертным системам: Пер. с англ. / Д. Уотермен. М.: Мир, 1989.- 388 с.
  10. Построение экспертных систем / Под ред. Ф. Хайес-Рота, Д. Уотермена, Д. Лената.- М.: Мир, 1987
  11. Гаврилова Т.А. Извлечение и структурирование знаний для экспертных систем./ Т.А. Гаврилова, К.Р. Червинская - М.: Радио и связь, 1992
  12. Ф.Уоссермен Ф., Нейрокомпьютерная техника/ Ф.Уоссермен - М.,Мир, 1992.

Оглавление

6. Архитектура и принцип функционирования ЭС.. 3

6.1. Феномен экспертных систем.. 3

6.2. Архитектура экспертных систем.. 7

6.3. Автоматическое рассуждение. Основные механизмы дедукции (логического вывода). 12

6.4. Объяснительный компонент. 13

6.5. Категории экспертных систем.. 14

6.6. Методология построения экспертных систем.. 22

6.7.Современное состояние разработки экспертных систем.. 30

и инструментальных средств для их построения. 30

6.7.1Тенденции развития экспертных систем.. 38

6.8.Представление знаний в ЭС.. 38

6.8.1. Основные понятия. 38

6.8.2. Состав знаний экспертной системы.. 39

6.8.3.Организация знаний. 45

6.8.4.Модели представления знаний. 50

6.9.Теоретические аспекты извлечения знаний. 54

6.9.1. Стратегии получения знаний. 54

7. Системы распознавания образов (идентификации) 62

7.1.Понятие образа. 62

7.2.Проблема обучения распознаванию образов (ОРО) 63

7.3. Геометрический и структурный подходы. 66

7.4.Гипотеза компактности. 69

7.5.Обучение и самообучение. Адаптация и обучение. 70

7.6. Перцептроны.. 71

7.7. Нейронные сети. 75

7.7.1. История исследований в области нейронных сетей. 75

7.7.2. Нейронные сети: основные положения. 75

8. Системы распознавания естественного языка. 81

8.1. Введение. 81

8.1.1 Примеры системы обработки естественного языка. 85

8.1.2. Методы озвучивания речи. 87

8.1.3. Наиболее распространенные системы синтеза речи. 88

8.2. Речевой вывод информации. 89

8.3. Автоматический компьютерный синтез речи по тексту. 90

8.3.1. Методы синтеза речи. 90

8.3.2. Обобщенная функциональная структура синтезатора. 90

8.3.3. Модуль лингвистической обработки. 91

8.3.4. Лингвистический анализ. 91

8.3.5. Формирование просодических характеристик. 92

8.3.6. Cинтезатор русской речи. 93

8.3.7. Язык формальной записи правил синтеза. 94

8.3.8. Интонационное обеспечение. 94

8.3.9. Аллофонная база данных. 94

8.3.10. Лингвистический анализ. 95

8.3.11. Инструментарий синтеза русской речи. 95

8.4. Cистема распознавания речи. 96

8.4.1. Акустическая модель. 96

8.4.2. Лингвистическая модель. 96

8.5. Классификация систем распознавания речи. 97

9. Системы машинного зрения. 99

Введение. 99

9.1. Основные принципы или целостность восприятия. 99

9.2. Распознавание символов. 101

9.2.1.Шаблонные системы.. 101

9.2.2.Структурные системы.. 102

9.2.3.Признаковые системы.. 102

9.2.4. Структурно-пятенный эталон. 102

9.3. Система машинного чтения от Cognitive Technologies. 104

9.4. Распознавание рукописных текстов. 106

Библиографический список. 108

Оглавление. 109

 


<== предыдущая лекция | следующая лекция ==>
Молекулярні (залишкові) зв’язки | Тип зв’язку та найщільніша упаковка
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | <== 9 ==> | 10 |
Studopedia.info - Студопедия - 2014-2024 год . (0.198 сек.) російська версія | українська версія

Генерация страницы за: 0.198 сек.
Поможем в написании
> Курсовые, контрольные, дипломные и другие работы со скидкой до 25%
3 569 лучших специалисов, готовы оказать помощь 24/7