基于循环神经网络与几何图案分析的手写体异常与学习障碍
定量方法
2025-01-22 v2 人机交互
机器学习
摘要
晕读症和书写障碍是影响阅读、书写和语言处理能力的学习障碍。晕读症主要影响阅读，表现为单词识别和语音加字母对应处理方面的困难，个体难以将声音与相应字母建立联系。书写障碟则影响书写能力，导致字母形成、间距和对齐方面的困难。晕读症与书写障碍的共存 complicates 诊断，需要一种能够适应这些复杂性同时准确识别和区分两种障碍的细致方法。本研究利用高级几何图案和循环神经网络（RNN）识别手写体异常，用于识别晕读症和书写障碍。首先对手写体进行标准化处理，然后提取关注基线偏移、字母连接、笔画粗细等异常特征。这些特征随后输入基于 RNN 的自编码器进行异常识别。初始结果表明，该 RNN 模型在综合晕读症和书写障碍检测方面实现了状态的最佳性能，同时也揭示了针对约 33,000 份书写样本的深度学习复杂图案适应的挑战。
引用
@article{arxiv.2405.07238,
title = {Handwriting Anomalies and Learning Disabilities through Recurrent Neural Networks and Geometric Pattern Analysis},
author = {Vasileios Alevizos and Sabrina Edralin and Akebu Simasiku and Dimitra Malliarou and Antonis Messinis and George Papakostas and Clark Xu and Zongliang Yue},
journal= {arXiv preprint arXiv:2405.07238},
year = {2025}
}