Запропоновано технологію розпізнавання рукописних символів, яка базується на використанні оригінальних нейромережних класифікаторів, що забезпечують високу якість та швидкість розпізнавання. Описано принципи створення класифікаторів. Наведено результати експериментального дослідження на прикладі розпізнавання рукописних літер української абетки.

Розглянуто питання розпізнавання рукописних текстів з використанням оригінальних нейросіткових класифікаторів та асоціативно-проективних нейронних сіток. Технологія розпізнавання базується на аналізі триплетів (трилітерних комбінацій). Наведено результати дослідження на прикладі розпізнавання українських рукописних слів.

Розглядаються можливості застосування генетичного алгоритму для оптимізації структури нейронних сіток, що розв'язують задачі розпізнавання рукописних і друкованих символів і слів. Наводяться результати експериментального дослідження. Експерименти демонструють підвищення продуктивності нейронних сіток після оптимізації. Обговорюються шляхи покращання отриманих результатів.

Описано принципи побудови й експериментальну перевірку комп'ютерної технології для розпізнавання типографських нотних текстів, яка базується на новітніх досягненнях у галузі структурного розпізнавання складних зображень, складених з великої кількості взамопов'язаних елементів. Зазначено, що врахування контрастних залежностей дозволяє суттєво поліпшити якість розпізнавання.

Design principles and experimental testing of computer technology for printed notes recognition are described. Technology is based on new advances in structural recognition of complex objects consisting of large amount of mutually connected components. Taking into account context dependences between symbols of note text allows to increase substantially recognition rate.

Разработана программа автоматического улучшения качества текстовых и графических материалов, которая повышает контрастность, учитывая локальные неоднородности помех, что обеспечивает обработку текстов, написанных на любом языке мира. Программа работает в режиме диалога со специалистом в конкретной предметной и языковой области, что гарантирует высокое качество восстановления.

In many libraries and archives there is quite a number of handwritten materials of great cultural and historic value. The risk always exists to loose such materials due to natural disasters, wars, fires and other accidents. Modern information technologies allow us to create high-quality electronic copies, which guarantees a reliable conservation of materials, their circulating in the unlimited quantity of copies, and ensure easy access to them. The most valuable books, manuscripts and pictures are very often of low polygraphic quality: faded poor quality paper, bends, non-uniform contrast (faded ink or ill-defined pencil lines), etc. We have developed a program for improving the quality of handwritten materials, which raises contrast, considering local spottiness of text and hindrances. Our computer program can make electronic retouching the machine-readable handwritten material, printed texts, pictures and other images. The language of the texts does not matter.

Приведены результаты обработки машинописного архива стенограмм Верховного Совета (общей численностью более 60 000 страниц) и анкет социологических исследований с рукописным заполнением.

Results of processing a typewritten of archive of shorthand records of Supreme soviet in total number of more than 60 000 pages and questionnaires of sociological studies with handwritten filling are brought.

Розглянуто та досліджено методи обробки зображень, що використовуються у системах комп'ютерного розпізнавання рукописного тексту. Розв'язано дві основні задачі: визначення структури документа та розпізнавання рукописних символів. Для розпізнавання символів використана згорткова нейронна мережа. Запропоновано для підвищення ефективності її навчання використовувати масив інформативних ознак символу. Наведено оцінки показників ефективності.

Рассмотрены и исследованы методы обработки изображений, которые используются в системах компьютерного распознавания рукописного текста. Решены две основные задачи: определение структуры документа и распознавание рукописных символов. Для распознавания символов использована сверточная нейронная сеть. Предложено для повышения эффективности её обучения использовать массив информативных признаков символа. Приведены оценки показателей эффективности.

This work contains analysis and research of image processing methods which are used in the computer systems of handwritten text recognition. Two main problems are solved: document structure determination and handwritten characters recognition. A convolutional neural network was used for recognition. Usage of the array of symbolТs characteristics for increasing the teaching efficiency of network was offered. The efficiency indexes are also included.

Представлен метод преобразования растрового бинарного изображения рукописного документа в непрерывную форму, а также методы обработки документа, основанные на этом преобразовании. Описанный подход к анализу рукописных текстов основан на быстром переходе от растрового бинарного изображения к непрерывной фигуре и построении непрерывного скелета этой фигуры.

Отмечено, что при создании систем распознавания слитной речи необходимо осуществить выбор множества моделируемых звуков. Количество моделей должно соответствовать обьему обучающего материала, требованиям к точности распознавания и вычислительным ресурсам. Приведены результаты работы по синтезу оптимального алфавита аллофонов для распознавания русской речи. В качестве технологии для синтеза алфавита моделей использованы бинарные решающие деревья.

Розглянуто метод побудови інваріантної системи реєстрації та виділення інформативних ознак об'єктів сегментації текстурних зображень на підставі використання енергетичних Фур'є - спектрів у просторі перетворення Фур'є - Мелліна. Наведено результати експериментальної перевірки запропонованого методу.

Запропоновано структурний підхід до розпізнавання друкованих нотних текстів. Як теоретичну основу алгоритмів розпізнавання використано двовимірні узагальнення контекстно-вільних граматик. Визначено та розглянуто їх підклас - лінійні граматики з фіксованим розміром нетерміналів. Наведено ефективний алгоритм аналізу зображень, описаних граматиками цього підкласу.

Викладено основні положення з дослідження та розв'язання задачі автоматичного здобуття знань з текстових документів. Описано промислову систему, що розв'язує вказану задачу, й один з найбільш важливих її додатків.

Розроблено алгоритми, що дозволяють евристично визначати канонічну форму та граматичні ознаки за окремим словом та за словником тексту. Тестування показало високу точність запропонованих алгоритмів. Доведено, що точність безпосередньо залежить від довжини тексту.

Представлено стислий опис теперішнього стану системи автоматизації дедукції (САД), а також проблеми, з якими стикаються під час роботи з цією системою. Більш докладно розглянуто мовні проблеми. Система автоматизації дедукції грунтується на принципах евіденційної парадигми автоматизації математичної діяльності. На цій парадигмі базується програма "Алгоритм очевидності" (Evidence Algorithm). Система САД призначена для інтелектуальної обробки математичних текстів, такої, як автоматичне доведення теорем і верифікація текстів, записаних на ForTheL, формальній математичній мові, яка є наближеною до природної мови математичних публікацій. На сьогодні систему САД можна використовувати для встановлення вивідності секвенцій у класичній логіці першого порядку, пошуку доведень теорем у ForTheL-середовищі та верифікації замкнених ForTheL-текстів.

Розглянуто метод, що дозволяє зменшити кількість незнайдених слів за рахунок адаптації словника до тематики аналізованих документів. Після першого проходу системи автоматичного розпізнавання мови запускається система пошуку набору документів, словники яких містять більшу кількість слів, що зустрічаються в аналізованому документі. Потім словники обраних документів використовуються для відновлення загального словника.

Розглянуто байєсівський підхід до розв'язання задачі розпізнавання текстових зображень. Існуючі способи її розв'язання проаналізовано з точки зору постановок відповідних байєсівських задач розпізнавання. У межах байєсівської теорії поставлено та розв'язано дві альтернативні задачі розпізнавання текстових зображень.

На примере задачи распознавания текста предложен подход к оценке параметров алгоритмов структурного распознавания при неполной информации от учителя. Постановка задач обучения в таком виде позволяет значительно упростить и ускорить построение обучающей выборки.

Предложен подход к формированию словаря заполнения системы распознавания ключевых слов, оптимального с точки зрения распознавания. Задача формирования словаря заполнения представляется как задача кластеризации слов, основанной на оптимизации целевой функции (ЦФ). Предложено выражение для ЦФ. Важной особенностью предлагаемой ЦФ является то, что она содержит величину, которая характеризует акустическую схожесть слов - несимметричную акустическую близость, метод расчета которой предложен в данной работе. Особенностью этого метода является то, что для расчета данной величины вместо реальных акустических данных используется акустическая информация, содержащаяся в акустических моделях. Выражение для ЦФ представляется в виде, в котором она может быть использована в алгоритме кластеризации К-средних.

Исследованы основные методы поиска в пространстве состояний для решения задачи распознавания речи на основе сегментно-слогового синтеза траектории параметров. Распознавание реализовано как сопоставление траекторий параметров в выбранных речевых единицах на участках сегментированной речи.

Рассмотрены методы структурирования изображения нотного текста, что в дальнейшем упростит его распознавание. Разработаны методы приведения изображения к общему виду. Даны система признаков, позволяющая разделить изображение на составляющие части, а также алгоритм поиска наклонных прямых на рисунке.