بازشناسي دست‌نوشته برون‌خط عربي بر مبناي يك رويكرد تلفيقي جديد از مدل مخفي ماركوف و شبكه‌هاي عصبي ژرف

مسأله مدل ‌سازي و بازشناسي دست نوشته شباهت بسيار زيادي به مسأله مدل‌ سازي و بازشناسي گفتار دارد. به همين علت مي‌ توان از رويكردهاي به‌كار گرفته‌شده براي مسأله بازشناسي گفتار با اندكي تغيير در مراحل ابتدايي آن مانند استخراج ويژگي، براي بازشناسي دست‌ نوشته نيز بهره برد. با گسترش رويكردهاي تركيبي HMMDNN و استفاده از توابع هدف دنباله‌ اي مانند MMI پيشرفت‌ هاي قابل توجهي در حوزه بازشناسي گفتار حاصل شده است. اين مقاله با استفاده از نرم ‌افزار متن باز KALDI، كه شهرت اصلي آن در حوزه بازشناسي گفتار و همچنين به‌كارگيري آخرين مدل ‌هاي تركيبي ارائه‌شده در آن، به‌كمك روش افزايش داده مدلي براي بازشناسي دست‌ نوشته عربي ارائه داده است. اين پژوهش بر روي دادگان KHATT انجام شده كه نرخ خطاي بازشناسي واژه را بر روي اين دادگان به ميزان 32/7 درصد مطلق كاهش داده است.