کبھی نگاہوں کی چلمنوں سے نہ راز کہنا، فضا سے کہنا
غمِ جہاں کو تو زندگی بھر پڑے گا سہنا، فضا سے کہنا
رفاقتوں کا ہے دعویٰ تم کو تو اپنے دعوے کی لاج رکھنا
زماں، مکاں کی حدوں سے آگے بھی ساتھ رہنا، فضا سے کہنا
قدم قدم پر ہے خطرۂ جاں، وہ عزم اپنا بلند رکھے
یہ عشق دریا ہے اس کی فطرت ہے الٹا بہنا، فضا سے کہنا
وہ شوخ آنکھیں غزال جن پہ ہیں صدقے واری، مَیں کیوں نہ واروں
یہ چاند، بادل، دھنک، بہاریں، یہ حسن گہنا، فضا سے کہنا
گلوں نے کلیوں نے کترے دامن، قزح بھی آنکھیں چھپا رہی ہے
یہ نازکی کا لباس تم نے غضب ہے پہنا، فضا سے کہنا
إذا كان التفكير الفلسفي منذ القدم قد جعل المعرفة وما يضمن شروط صدقها وعدم كذبها جزءا أساسيا من اهتماماته، فإن تناول هذه الإشكالية ظل دوما مرتبطا بما يميز كل فلسفة، مثلما هو مرتبط من جهة أخرى باللحظة التاريخية وبهيمنة بعض القضايا النظرية خلال تلك الحقبة. وقد تطور تناول هذا الإشكالية، من كونه إشكالية مرتبطة بأرسطو وبلغته الفلسفية والمنطقية التي تقوم على الحدود والقضايا والمقولات، إلى إشكالية الفلسفة الحديثة التي تقوم على سؤال مصادر المعرفة: بين العقلي والحسي-التجريبي، وما يرتبط بذلك من قضايا مثل آليات اشتغال العقل ودور الحسي والعواطف الانفعالات في إنتاج المعرفة والعلم، فضلا عن منزلة الرياضيات ومناهجها في إقامة وتطور المعرفة العلمية والفلسفية بالإنسان والطبيعة. من هنا تأتي أهمية تناول هذا المقال لموقف ''لايبنيز'' (Gottfried Wilhelm Leibniz) من مصادر المعرفة، وذلك للكشف عن أساس نظرية المعرفة ومبادئها انطلاقا من مفهوم الجوهر والموناد وتكامل العلاقة بين الإيمان والعقل، القائم على أساس العناية الإلهية. وقد عمل ''لايبنيز'' على إبراز وجهة نظره من خلال الرد على الفلاسفة السابقين مما يجعله تمهيدا أساسيا لفهم أهمية تلك المواقف وجعل العودة إليها أمرا حاسما في فهم هذه الإشكالية
Optical Character Recognition (OCR) is one of the most investigated pattern classification problems that has received remarkable research attention for more than half a century. From the simplest systems recognizing isolated digits to end-to-end recognition systems, applications of OCRs vary from postal mail sorting to reading systems in scene images facilitating autonomous navigation or assisting the visually impaired. Despite tremendous research endeavors and availability of commercial recognition engines for many scripts, recognition of cursive scripts still remains an open and challenging research problem mainly due to the complexity of script, segmentation issues and large number of classes to recognize. Among these, Urdu makes the subject of our study. More specifically, this study investigates the recognition of printed Urdu text in Nastaliq style, the most widely employed script for Urdu text that is more complex than the Naskh style of Arabic. This work presents a holistic (segmentation-free) technique that exploits ligatures (partial words) as units of recognition. Urdu has a total of more than 26,000 unique ligatures, many of the ligatures, however, share the same main body (primary ligature) and differ only in the number and position of dots and diacritics (secondary ligatures). We exploit this idea to separately recognize the primary and secondary ligatures and later re-associate the two to recognize the complete ligature. Recognition is carried out using two techniques; the first of these is based on hand-crafted statistical features using hidden Markov models (HMMs). Features extracted using sliding windows are used to train a separate model for each ligature class. Feature sequences of the query ligature are fed to all the models and recognition is carried out through the model that reports the maximum probability. The second technique employs Convolutional Neural Networks (CNNs) to automatically extract useful feature representations from the classes and recognize the ligatures. We investigated the performance of a number of pre-trained networks using transfer learning techniques and trained our own set of networks from scratch as well. Experimental study of the system is carried out on two benchmark datasets of Urdu text, the ‘Urdu Printed Text Images’ (UPTI) database and the ‘Center of Language Engineering’ (CLE) database. A number of experimental scenarios are considered for system evaluation and the realized recognition rates are compared with state-of-the-art recognition systems for printed Urdu text. An interesting aspect of experimental study is the combination of unique ligatures in the two datasets to generate a large set of around 2800 unique primary and secondary ligatures covering a major proportion of the Urdu corpus. The system reports high classification rates (88.10% and 94.78% on CLE and UPTI query ligatures respectively) demonstrating the effectiveness of the proposed recognition techniques which can be adapted for other cursive scripts as well. The findings of this study are expected to be useful for the document recognition community in general and researchers targeting cursive scripts in particular.