5 / 16
характеристик почерка, и обладает следующими недостатками: отсут-
ствие сенсорного дисплея для отображения введенной графики и опре-
деления чувствительности к силе нажатия на перо.
Ноутбук +тетрадь + электронная ручка.
Другая аппаратная ре-
ализация обучающей системы отличается от предыдущей тем, что
позволяет видеть то, что пишешь. Специальная ручка, пишущая на
бумаге чернилами, параллельно передает с высокой точностью свои
координаты в компьютер, где осуществляется анализ рукописных сим-
волов и вывод результатов.
Электронная книжка на дисплее E-Ink
. Еще один вариант аппарат-
ной платформы может быть применен с использованием технологии
E-Ink. На базе такого решения выполнена реализация портативной
модели обучающей системы, лишенная недостатков, присущих ап-
паратной реализации с использованием стационарных ПК — писать
можно непосредственно на экране. Благодаря сенсорному дисплею
этот вариант позволяет реализовать интерактивное взаимодействие с
пользователем во время ввода графической информации и делает ввод
наглядным, как в привычном письме на бумаге. Главный недостаток
этого решения — достаточно толстая конструкция корпуса, что вно-
сит дискомфорт при записи текста на столе в обычных условиях, по
сравнению с письмом на бумаге.
Планшет.
Интерактивная обучающая система может быть реали-
зована с полным функциональным набором на базе планшетов. Эта
реализация сочетает все преимущества рассмотренных ранее вариан-
тов и является одной из перспективных, но зачастую сенсорный экран
таких планшетов построен по емкостной технологии, что исключа-
ет использование тонкого стилуса для письма, затрудняя рукописный
ввод. Предложенная конфигурация подходит для тренировки на обу-
чающих играх, для ввода и работы с мультимедийной информацией.
Анализ алгоритмов адаптивной коррекции тонкой моторики
кистей рук в условиях невесомости.
Задача распознавания (точнее,
классификации) объекта ставится следующим образом. Имеется неко-
торый способ кодирования объектов (например, рукописных букв),
принадлежащих заранее известному конечному множеству классов
C
=
{
C
1
, . . . , C
q
}
, и некоторое конечное множество объектов (обу-
чающее множество), про каждый из которых известно, какому классу
он принадлежит. Необходимо построить алгоритм, который достаточ-
но хорошо по любому входному объекту, не обязательно принадле-
жащему обучающему множеству, решает, какому классу этот объект
принадлежит. Качество распознавания оценивается как вероятность
(частота) ошибки классификации (рис. 3) на другом конечном множе-
стве объектов с заранее известными ответами (тестовом множестве).
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2015. № 3 27