Заключение. 
Искусственный интеллект и когнитивная графика

Использование когнитивной графики в искусственном интеллекте очень масштабно: помимо распознавания текста сюда можно включить распознавание изображений, распознавание лиц и другие графические образы.

Один из самых распространенных методов распознавания — нейронные сети. Этот метод позволяет не просто распознавать текст, а обучаться машине, что позволяет более качественно распознавать текст в дальнейшем.

Список литературы

• 1. Ю. В. Арбузов, Е. А. Ахромушкин, А. В. Беляков, В. Б. Глаголев, А. А. Грушо, Т. И. Гусева, М. С. Заботнев, А. И. Евсеев, А. Л. Конин, И. М. Крепков, Ю. М. Кузнецов, В. П. Кулагин, В. М. Линьков, Б. Р. Липай, С. И. Маслов, В. Ф. Очков, А. Н. Савкин, А. Н. Седов, А. Ю. Семенов, А. Н. Симонов, Т. М. Скворцова, И. В. Станкевич, А. А. Сутченков, А. И. Тихонов, М. Б. Федоров. Информатизация образования: направления, средства, технологии: Пособие для системы повышения квалификации / Под общ. ред. С. И. Маслова. —М.: Издательство МЭИ, 2004. — 868 с.
• 2. Dmitri Burago, Yuri Burago, Sergei Ivanov. A Course in Metric Geometry. —American Mathematical Society Providence, Rhode Island, 2001. — 489 с.
• 3. Блейхут Р. Теория и практика кодов, контролирующих ошибки. — М.: Мир, 1986. — 576 с.
• 4. Журавлев Ю. И., Рязанов В. В., Сенько О. В. Распознавание. Математические методы. Программная система. Практические применения. —М: Фазис, 2005. —159 с.
• 5. Бондаренко А. В., Галактионов В. А., Горемычкин В. И., Ермаков А. В., Желтов С. Ю. Исследование подходов к построению систем автоматического считывания символьной информации. — М: ИПМ им. М. В. Келдыша РАН, 2003. —15 с.
• 6. Robert E. Schapire, «The strength ofweak learnability». Machine Learning, 5(2): 197−227, 1990.
• 7. H. Drucker, R. Schapire, P.Simard. «Boosting Performance in Neural Networks.» International Journal of Pattern Recognition and Artificial Intelligence. 7 705−720, 1993.
• 8. Аникин И. В., Шагиахметов М. В. Методы нечеткой обработки, распознавания и анализа изображений // Распознавание образов и анализ изображений: 6-ая Междунар. конф. 21−26 октября 2002. — Новгород, 2002. — С. 16−21.
• 9. Пытьев Ю. П., Чуличнов А. И. Морфологический анализ изображений: принципы и применение // Распознавание образов и анализ изображений: 6-ая Междунар. конф. 21−26 октября 2002. — Новгород, 2002. — С. 464−469.
• 10. Большакова Е. И., Васильева Н. Э., Морозов С. С. Лексико-синтаксические шаблоны для автоматического анализа научно-технических текстов. //Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006 (25−28 сентября 2006 г., Обнинск): Труды конференции. В 3-т., М: Физматлит, 2006
• 11. Карпов В. Э. Об одной псевдоассоциативной модели текста, М:, 2009 (doc)
• 12. Рубашкин В. Ш. Семантический компонент в системах понимания текста. //Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006 (25−28 сентября 2006 г., Обнинск): Труды конференции. В 3-т., М: Физматлит, 2006
• 13. Хорошевский В. Ф. Оценка систем извлечения информации из текстов на естественном языке: кто виноват, что делать. //Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006 (25−28 сентября 2006 г., Обнинск): Труды конференции. В 3-т., М: Физматлит, 2006
• 14. Поспелов Д. А. Десять «горячих точек» в исследованиях по искусственному интеллекту //Интеллектуальные системы (МГУ). — Т.1, вып.1−4., 1996, с.47−56