Reconnaissance des caractères arabes imprimés par l'approche neuro-génétique.

CHAPITRE 4. EXPÉRIMENTATION ET ÉVALUATION

Avec H : Nombre des noeuds dans la couche cachée;

M : Nombre des noeuds d'entés;

N : Nombre des noeuds de sortis.

Après expérimentation, cette heuristique qui a été déjà testée par des autres chercheurs² nous a donné des bons résultats. La structure des quatre réseaux utilisés, ainsi que leurs paramètres de formation sont énumérés dans le tableau-4.3.

TABLE 4.3 - Paramères des réseaux

	Types du réseaux
	Isolée	Initiale	Milieu	Finale
Nombre de noeuds dans la couche d'entrée	27	27	27	27
Nombre de noeuds dans la couche cachée	31	29	29	30
Nombre des noeuds dans la couche de sortie	16	11	11	14
Momentum	0.4	0.4	0.4	0.4
Fonction d'activation (voir-2.4)	Sigmoïde	Sigmoïde	Sigmoïde	Sigmoïde
Nombre des cycles	3000	3000	3000	3000
Signal d'erreur	0.006	0.006	0.006	0.006

L'apprentissage des réseaux est effectué en utilisant les paramètres décrits au tableau-4.3. Le nombre de cycles vont servir comme critère d'arrêt de l'apprentissage. Lorsque un sur-apprentissage est rencontré l'apprentissage des réseaux s'arrête si non l'algorithme se répète jusqu'à atteindre le nombre de cycles maximal.

L'ensemble d'apprentissage a été généré en utilisant le module d'extraction de caractéristiques et leurs reconnaissance a été faite manuellement. Les entrées et les classes ont été, ensuite, introduites dans leurs correspondants des réseaux de neurones dans MATLAB. Elles sont utilisées pour former les quatre réseaux tels qu'il est illustré dans la figure 4.1.

2. http :// cict.fr/~stpierre/reseaux-neuronaux/node18.html

70

CHAPITRE 4. EXPÉRIMENTATION ET ÉVALUATION

FIGURE 4.16 - Apprentissage du réseau perceptron multicouche

4.2.6 Reconnaissance

Les segments de caractères ont été divisés en quatre ensembles en fonction de leurs positions dans le sous-mot comme mentionné dans l'annexe. Chaque segment de caractères est reconnu à l'aide d'un réseau de neurone distinct, selon sa position dans le mot (figure-4.17).

FIGURE 4.17 - Reconaissance du segments du caractère

Les signes diacritiques jouent un rôle très important dans la lecture du texte arabe. Le processus de reconnaissance des signes diacritiques est basé sur les caractéristiques géométriques de chaque type de diacritique. Nous avons attribué à chaque signe diacritique un code en fonction de ces caractéristiques géométriques et sa position par rapport à la ligne de base. Ces caractéristiques sont présentées dans le tableau suivant :

71