https://github.com/jorgermduarte/isec-cr
https://github.com/jorgermduarte/isec-cr
ai artificial-intelligence artificial-neural-networks calculator matlab neural-network neural-networks
Last synced: 8 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/jorgermduarte/isec-cr
- Owner: jorgermduarte
- Created: 2023-03-13T21:27:05.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2023-06-17T22:33:26.000Z (over 2 years ago)
- Last Synced: 2025-03-02T10:46:58.530Z (8 months ago)
- Topics: ai, artificial-intelligence, artificial-neural-networks, calculator, matlab, neural-network, neural-networks
- Language: MATLAB
- Homepage:
- Size: 168 MB
- Stars: 1
- Watchers: 2
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: readme.md
Awesome Lists containing this project
README
# ISEC - Conhecimento e raciocinio
### Treino de uma rede neuronal para identificação de números e operadores
---
## Como executar a aplicação?
Para executar a aplicação basta escrever o comando que se segue em baixo no Matlab:
```
UserInterface
```
# Identificação dos elementos presente na expressão
```
Para identificar elementos individuais numa expressão, quer sejam números ou operadores, tivemos que adaptar a nossa abordagem. Isto deve-se ao facto de as nossas redes neuronais esperarem receber apenas um caractere de cada vez.
Assim, criámos um novo botão, denominado 'Verify Expression'. Este botão analisa a imagem carregada pelo utilizador, detecta números e operadores, divide a imagem em partes individuais, redimensiona cada parte para 25x25 pixels e, finalmente, converte cada parte numa matriz binária e numa matriz de colunas.
A detecção de números e operadores baseia-se nas cores presentes nas colunas, uma vez que as imagens são sempre a preto e branco. Observa a imagem abaixo para uma melhor compreensão:
Como podemos observar, na primeira coluna, todos os 'bits' da imagem são brancos, o que significa que nenhum número ou operador foi detectado. No entanto, na segunda coluna, detectamos um bit preto, o que marca o início da detecção do primeiro dígito. Na quarta coluna, todos os bits são brancos, indicando o fim da deteção daquela imagem, já que a imagem termina na terceira coluna.
Com esta abordagem, conseguimos detectar facilmente os dígitos presentes na imagem e redimensioná-los para o tamanho 25x25, onde de seguida são utilizados como entrada para o modelo que está carregado na interface.
```
> Observe abaixo uma imagem, onde através de uma expressão matemática, conseguimos identificar corretamente os elementos presentes e o resultado da operação.
