الفهرس 
introductionOnly 14 pages are availabe for public view
 |  | from | 161 |  |  |
| | | from | 161 | | |
Abstract
الهدف الرئيسى من الرساله هو كيفية بناء نظام تعليمى ذكى قادر على التعرف ومعالجة الأخطاء الناتجة عن كتابة الأطفال العرب. التعرف على الارقام والحروف العربيه من اهم المجالات فى العصر الحديث. نظرا للاستخدامات المتعدده فى مجالات التعرفالضوئيعلىالحروف،والتعرفعلىرخصة، ... الخ. تعتمد الرساله على العديد من الطرق للتعرف على الارقام والحروف العربيه ، بالإضافة لتحديد ومعالجة اخطاء الكتابة لدى الاطفال العرب. تعتمد تلك الطرق على التعلم العميق، الرياضيات، و الذكاء الاطناعى. لقد قمنا بتطور وصناعة نظام للكشف عن اخطاء الكتابة مثل اخطاء ترتيب الحروف، اخطاء اتجاه الحرف، اخطاء مكان الحرف واخطاء الحرف الزائد.
للتعرف على الارقام العربيه، تم إستخدام قاعدة بيانات (MADBase) للارقام العربيه تحتوى على 70 الف رقم عربى .حيث ان قاعدة البيانات تحتوى على قاعدة بيانات للتدريب تحتوى على 60 الف رقم عربى وقاعدة بيانات للأختبار تحتوى على 10 الف رقم عربى. قمنا فى البداية بإستخدام (Convolutional Neural Network) مبنى على (LeNet-5) الذى يحتوى على ستة طبقات من طبقتين من (Convolutional) وطبقتين من (Pooling) وطبقتين من (Fully Connected). لقد قمنا بتدريب واختبار (Convolutional Neural Network LeNet-5) على قاعدة بيانات (MADBase) فتوصلنا لمتوسط مقدار خطأ يصل الى 12%. لتحسين نتيجة التعرف على الأرقام العربيه قمنا بإستخدام (Stacked Autoencoder) الذى يعتمد على (Autoencoder) لتدريب واختبار قاعدة البيانات (MADBase). حيث ان (SAE) يحتوى على طبقة من المدخلات و طبقتين من (Autoencoder) وطبقة من (Softmax) وطبقة للمخرجات.بعد تدريب الشبكة وتحسينها توصلنا لمقدار خطأ يصل الى 1.5%. ثم قمنا بإستخدام (Optimized Convolutional Neural Network) لتحسين وتدريب واختبار قاعدة البيانات (MADBase). يعتمد التحسين على بعض العناصر الهامة لتقويم وتحسين اداء الشبكة مثل استخدام (RELU activation fuction) و (Mini-batch) و (Stochastic Gradient Descent) و(L2 Regularization) و (Momentum) و(Early stopping) و(Dropout). حيث توصلنا لمتوسط خطأ يصل الى 0.85%.
للتعرف على الحروف العربيه، تم إستخدام قاعدة بيانات مصممه من قبل الباحث. حيث ان قاعدة البيانات تحتوى على 16800 حرف عربى.تنقسم قاعدة البيانات الى بيانات للتدريب واخرى للأختبارحيث ان قاعدة البيانات تحتوى على قاعدة بيانات للتدريب تحتوى على 13440 حرف عربى وقاعدة بيانات للأختبار تحتوى على 3360 حرف عربى. اشترك فى عمل وكتابة قاعدة البيانات 60 مشترك قاموا بكتاية الحرف عشرة مرات ما يعادل 280 حرف لكل مشترك. اولا: قمنابإستخدام (Stacked Autoencoder) لتدريب واختبار قاعدة المصصمة من قبل الباحث. حيث قمنا بتصميم طبقة ادخال تحتوى على 1024 مدخل و تصميم طبقتين بعدها تحتوى على خصائص المدخلات تحتوى على 512 و 256 عنصر بالتوالى ثم قمنا بتصميم طبقية اخراج تحتوى على (Softmax). حيث توصلنا لمقدار خطأ يصل فى المتوسط الى 36%. ثم قمنا بإستخدام (Convolutional Neural Network) لتحسين وتدريب واختبار قاعدة البيانات المصممه. تحتوى الشبكة على طبقة مدخلات ثم طبقتين (Convolutional) ثم طبقتين من (POOL) وطبقتين من (Fully Connected) ويتخلل تلك الطبقات طبقة (RELU) ثم المخرجات. حيث توصلنا لمقدار خطأ متوسط يصل الى 5.15%.
فى النهاية قمنا بتنفيذ وتطوير برنامج قادر على تعليم الاطفال كتابة اللغه العربيه بالطريقة الصحيحه حيث اطلق على البرنامج اسم (Intelligent Arab Teaching).يقوم البرنامج على التحديد السريع للاخطاء واظهارها للطفل بإستخدام الذكاء الاصطناعى والرياضيات لحساب ومعرفة الاخطاء. حيث قمنا ببناء هندسةمعمارية تحتوى على قاعدة بيانات وواجهات ومتعلمين. تحتوى قاعدة البانات على اربع جداول للمدرس وللطالب وللتعليم ولرد الفعل. ايضا يحتوى النظام على واجهات متعددة الأغراض للمدرس والطفل. قمنا بتفيذ عمل هذا النظام بإستخدام نظام الأندرويد المعتمد على لغة الجافا حيث قمنا بمحاكاة النظام بإستخدام (Bluestacks).ثم اختبانا البرنامج على مجموعه من الاطفالمن حضانة (Mammy Day Care Nurseries) وعمل اسطلاع لمعرفة رأى الطفل العربى ومعلمه ومدى الاستفاده من هذه البرامج التعليمية. حيث توصلنا الى نتائج مرضية لمدى سهولة وفاعلية النظام فى تعليم الكتابة وتحديد الأخطاء للطفل العربى.