Classifieur neuronal basé connaissances application à la reconnaissance des caracterés arabes isolés manuscrit

Voir Plus Voir Moins

Afficher le Résumé

L'IA continue de connâtre des développements importants dans le domaine de la modélisation des processus cognitifs. Un des axes intéressants de ces développements est l'orientation vers les approches hybrides qui incorporent plusieurs paradigmes dans un même systéme.L'intégration neuro-symbolique constitue une voie de recherche prometteuse qui tient sa puissance principale de la complémentaire entre les deux approches neuronale et symbolique, essayant ainsi de trouver des solutions aux inconvénients et limités de chacune d'entre elles et d'apporter des résultats satisfants à des problèmes complexes du monde réel. L'objectif principal de notre travail est d'apporter une réflexion et de montrer la contribution que peut avoir l'hybridation neuro-symbolique pour remédier à certains problèmes du monde réel, notamment ceus rencontrés dans le domai,ne de la reconnaissance de l'écriture lorsqu'il s'agit d'appliquer des méthodes connexionnistes pour la classification. Nous nous intéressons à la conception d'un classifieur neuronal basé connaissances pour la reconnaissance des caractéres Arbes isolés manuscrits selon une approche hybride neurosymbolique.Une base de régles qui décrit la structure des caractéres Arabes isolés est construite, et utilisée pour déterminer la topologie du classifieur neuronal. Ce dernier est raffiné par la suite à l'aide d'un processus d'apprentissage empirique. Le classifieur neuronal ainsi construit se base sur apprentissage hybride symbolique/empirique.