Bu alışmada el yazısı karakterlerinin uygun cebirsel eğriler ile modellenip denklem şeklinde ifade edilmesi ve elde edilen denklemin kuvvet ve katsayıları kullanılarak karakterlerin sınıflandırılması ama lanmıştır. Bu sebeple alışmada eşitli eğri uydurma y ntemleri ele alınmıştır. Bunlar arasında hız ve başarı oranı g z n nde tutulduğunda kapalı cebirsel eğrilerle modellemenin diğer y ntemlere g re daha n plana ıktığı g r lm şt r. Sınıflandırma işlemi i in el yazısı rakamların sekizinci dereceden cebirsel denklemleri elde edilerek denklem katsayıları znitelik olarak kullanılmıştır. Elde edilen katsayıların değişmez olabilmesi i in sadece l ekleme ve telemeye g re normalizasyonu yapılmıştır. Ayrıca dilsel kuvvetli sinir bulanık sınıflayıcı ile znitelik se imi yapılmıştır. alışmada MNIST el yazısı rakam veri tabanının tamamı ve belli bir kısmı kullanılarak Bayes ve yapay sinir ağları ile nerilen y ntemin tanıma başarısı l lm şt r. alışmada elde edilen %92.87 değerindeki tanıma oranı umut vaat edip y ntemin geliştirilerek her karakterin bir denklemle ifade edilebileceği a ıktır.