<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные наукоемкие технологии</journal-title>
      </journal-title-group>
      <issn>1812-7320</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.17513/snt.38703</article-id>
      <article-id pub-id-type="publisher-id">ART-38703</article-id>
      <title-group>
        <article-title>РАСПОЗНАВАНИЕ РУКОПИСНОГО ТЕКСТА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Скрыпников</surname>
              <given-names>А.В.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Skrypnikov</surname>
              <given-names>A.V.</given-names>
            </name>
          </name-alternatives>
          <email>skrypnikovvsafe@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Денисенко</surname>
              <given-names>В.В.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Denisenko</surname>
              <given-names>V.V.</given-names>
            </name>
          </name-alternatives>
          <email>mr.saranov@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Хитров</surname>
              <given-names>Е.Г.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Khitrov</surname>
              <given-names>E.G.</given-names>
            </name>
          </name-alternatives>
          <email>yegorkhitrov@gmail.com</email>
          <xref ref-type="aff" rid="aff2"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Евтеева</surname>
              <given-names>К.С.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Evteeva</surname>
              <given-names>K.S.</given-names>
            </name>
          </name-alternatives>
          <email>mr.saranov@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Савченко</surname>
              <given-names>И.И.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Savchenko</surname>
              <given-names>I.I.</given-names>
            </name>
          </name-alternatives>
          <email>mr.saranov@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
      </contrib-group>
      <aff id="aff1">
        <institution xml:lang="ru">ФГБОУ ВО «Воронежский государственный университет инженерных технологий»</institution>
        <institution xml:lang="en">Voronezh State University of Engineering Technologies</institution>
      </aff>
      <aff id="aff2">
        <institution xml:lang="ru">ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого»</institution>
        <institution xml:lang="en">St. Petersburg Polytechnic University of Peter the Great</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2021-06-05">
        <day>05</day>
        <month>06</month>
        <year>2021</year>
      </pub-date>
      <issue>6</issue>
      <fpage>91</fpage>
      <lpage>95</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://top-technologies.ru/article/view?id=38703</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>Большое внимание в последнее время уделяется проблеме распознавания образов, изображений, текста, речи. В рамках данной статьи рассматривается проблема распознавания текста. Сложность данной задачи во многом определяется тем, в каком виде представлен текст для распознавания. Распознавание текста, написанного от руки, по сравнению с распознаванием печатного текста представляет собой более сложную задачу, которая в данный момент не решена в полной мере. Сама система распознавания представляет собой сложную структуру из различных подсистем разделения входного изображения на текст и картинки, выделения абзацев, строк и самих символов, для дальнейшей обработки. Для решения задачи распознавания рукописного текста активно применяются нейронные сети и готовые библиотеки, которые можно использовать для обучения новых сетей. Показано, что проблема распознавания рукописного текста остается до сих пор малоизученной. Распознавание рукописного текста является сложной задачей в связи с неоднозначностью распознаваемых символов, что связано с особенностями почерка каждого человека. Кроме того, даже один и тот же человек может писать один и тот же символ по-разному. В связи с этим проблема распознавания рукописного текста требует дальнейшего изучения.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>Much attention has recently been paid to the problem of recognition of patterns, images, text, speech. This article discusses the problem of text recognition. The complexity of this task is largely determined by the form in which the text is presented for recognition. Recognition of handwritten text, in comparison with the recognition of printed text, is a more complex task that has not been fully resolved at the moment. The recognition system itself is a complex structure of various subsystems for dividing the input image into text and pictures, highlighting paragraphs, lines and the characters themselves, for further processing. To solve the problem of handwriting recognition, neural networks and ready-made libraries are actively used, which can be used to train new networks. It is shown that the problem of handwriting recognition is still poorly understood. Handwriting recognition is a difficult task due to the ambiguity of the recognized characters, which is associated with the peculiarities of each person’s handwriting. Moreover, even the same person can write the same symbol in different ways. In this regard, the problem of handwriting recognition requires further study.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>распознавание рукописного текста</kwd>
        <kwd>нейронные сети</kwd>
        <kwd>проблемы распознавания текста</kwd>
        <kwd>нечеткие нейронные сети</kwd>
        <kwd>многослойный перцептрон</kwd>
        <kwd>библиотека распознавания текста</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>handwriting recognition</kwd>
        <kwd>neural networks</kwd>
        <kwd>text recognition problems</kwd>
        <kwd>fuzzy neural networks</kwd>
        <kwd>multilayer perceptron</kwd>
        <kwd>text recognition library</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1. Исрафилов Х.С. Применение нейронных сетей в распознавании рукописного текста // Молодой ученый. 2016. № 29. С. 24–27.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2. Денисенко В.В., Евтеева К.С., Савченко И.И., Скрыпников А.А. Использование искусственного интеллекта для обработки персональных данных // Международный журнал гуманитарных и естественных наук. 2020. № 7–1 (46). С. 110–114.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3. Хайкин С. Нейронные сети: полный курс, 2-е изд. / Пер. с англ. М.: Издательский дом «Вильямс», 2006. 1104 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4. S. Snoussi Maddouri. Baseline Extraction: Comparison of Six Methods on IFN/ENIT Database. International Conference on Frontiers in Handwriting Recognition (ICFHR), 2008. [Electronic resource]. URL: https://www.researchgate.net/publication/228860907_Baseline_Extraction_Comparison_of_Six_MMethod_on_IFNENIT_Database/link/00b7d53a74048e79a0000000/download (date of access: 21.05.2021).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5. Горбачевская Е.Н., Краснов С.С. История развития нейронных сетей // Вестник Волжского университета имени В.Н. Татищева. 2015. № 1 (23). С. 52–56.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6. Катасёв А.С., Катасёва Д.В., Кирпичников А.П. Распознавание рукописных символов на базе искусственной нейронной сети // Вестник Казанского технологического университета. 2015. № 11. С. 173–176.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>7. Басанько А.С., Рыбкин С.В. Использование OpenCV в рамках задачи офлайн распознавания рукописного текста // Международный студенческий научный вестник. 2018. № 6. [Электронный ресурс]. URL: https://www.eduherald.ru/pdf/2018/6/19364.pdf (дата обращения: 21.05.2021).</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
