RECOGNITION OF THE OLD GEORGIAN PRINTED SYMBOLS


The purpose of this article is to recognize old Georgian printed symbols by Artificial Neural Network. The actuality of the work is remarkable nowadays when the process of computerization of Georgian language and Georgian literature into digital format is actively being processed. Especially, the solution of the most important task will help and support libraries in Georgia or abroad, where there is a large volume of old Georgian literature. The recognition of the old Georgian symbols, known as digitization, or electronic format, will significantly simplify their computerization process. The program will help researchers working in the old Georgian language to perform corrected studies. The neural network of direct distribution is used in the identification and teaching procedures. In experimental studies, the work was performed by two layers of neuron networks, and then ended with three layers of neural networks. In conclusion, it can be said that it was composed the neuron network of direct distribution, which identifies font size 16 and font BPG Dejavu Sans symbols: Asomtavruli and Nuskhuri. As a result, three possible symbols are sorted according to the occurrence of the coincidence. The degree of recognition is P = 88% for the Asomtavruli, and P = 85% for Nuskhuri.



РАСПОЗНАВАНИЕ СТАРЫХ ГРУЗИНСКИХ ПЕЧАТНЫХ СИМВОЛОВ


Целью статьи является идентификация старых грузинских печатных символов с помощью искусственных нейронных сетей. Актуальность статьи очевидна сегодня, когда идет процесс компьютеризации - перевода как грузинского языка, так и грузинской литературы в цифровой формат. Решение проблемы, в частности, поможет библиотекам в Грузии и за рубежом, где хранятся большие объемы старой грузинской литературы. Программа Распознавания старых грузинских символов, т.н. оцифровка или Перевод в электронный формат изначительно упростит процесс их компьютеризации и поможет исследователям, работающим над литературой на старогрузинском языке, провести детальное исследование.
Нейронная сеть прямого распространения используется в процедурах идентификации и обучения. Экспериментальные исследования сначала выполнялись с помощью двухслойной нейронной сети, а затем завершались с помощью трехслойной нейронной сети.
В заключение была скомпилирована нейронная сеть прямого распространения, которая идентифицирует символы шрифта BPG Dejavu Sans: Asomtavruli и Nuskhuri. Размер шрифта 16. В результате отображаются три возможных символа, отсортированных по размеру сходства - уменьшающийся процент совпадений. Качество распознавания составляет P S = 88% для Асомтаврули и P S = 85% для Нусхури.



ძველი ქართული ნაბეჭდი სიმბოლოების ამოცნობა


ნაშრომის მიზანია ძველი ქართული ნაბეჭდი სიმბოლოების ამოცნობა ხელოვნური ნეირონული ქსელებით. თვალსაჩინოა ნაშრომის აქტუალობა დღეისათვის, როდესაც აქტიურად მიმდინარეობს როგორც ქართული ენის, ასევე ქართული ლიტერატურის ციფრულ ფორმატში გადაყვანის - კომპიუტერიზაციის პროცესები. განსაკუთრებით დასმული ამოცანის გადაჭრა ხელს შეუწყობს და დაეხმარება საქართველოში თუ უცხოეთში არსებულ ბიბლიოთეკებს, სადაც დაცულია დიდი მოცულობის ძველი ქართული ლიტერატურა. ძველი ქართული სიმბოლოების ამოცნობის ე.წ. გაციფრების, ანუ ელექტრონულ ფორმატში გადაყვანის პროგრამა საგრძნობლად გააადვილებს მათი კომპიუტერიზაციის პროცესს და დაეხმარება ძველ ქართულ ენაზე და მასზე შესრულებულ ლიტერატურაზე მომუშავე მკვლევრებს დაზუსტებული კვლევების შესრულებაში.
ამოცნობისა და სწავლების პროცედურებში გამოყენებულია პირდაპირი გავრცელების ნეირონული ქსელი. ექსპერიმენტულ კვლევებში ჯერ შესრულდა ორი შრიანი ნეირონული ქსელით, ხოლო შემდეგ დასრულდა სამშრიანი ნეირონული ქსელით. შედგენილია პირდაპირი გავრცელების ნეირონული ქსელი, რომელიც ამოიცნობს ფონტის ზომა 16 და ფონტი BPG Dejavu Sans სიმბოლოებს: ასომთავრულსა და ნუსხურს. შედეგად გამოაქვს სამი შესაძლო სიმბოლო, რომლებიც დალაგებულია მსგავსების ზომის - დამთხვევის პროცენტის კლების მიხედვით. ამოცნობის ხარისხი შეადგენს Pსწ = 88% ასომთავრულისთვის, ხოლო Pსწ = 85% ნუსხურისთვის.