La reconnaissance des caractères arabes manuscrits par les réseaux des neurones convolutionnels

Abstract

Dans ce mémoire, nous modélisons une architecture d'apprentissage en profondeur qui peut s'appliquer efficacement à la reconnaissance des caractères et des chiffres manuscrits arabes. Cette architecture est basée sur l'utilisation du réseau de neurone convolutionnel. Ce réseaux a formé et testé nos bases des données destiné pour les chiffres et pour les caractères. Dans ce mémoire, nous situons les méthodes d'optimisation mises en œuvre pour augmenter les performances du réseau de neurone convolutionnel. L'utilisation de ce RNC entraîne des améliorations importantes par rapport à différents algorithmes de classification par apprentissage machine. Notre RNC proposé donne une erreur moyenne de mauvaise classification de 1.41% pour les chiffres et de 5.15% pour les caractères.