Nell'ultimo mezzo secolo è stato studiato il riconoscimento dei caratteri inglesi e i risultati sono stati tali da produrre applicazioni tecnologiche. Ma lo stesso approccio non può essere utilizzato nel caso delle lingue indiane a causa della natura complicata della struttura e del calcolo. "L'hindi, la lingua nazionale indiana (scritta in caratteri devanagri), è la terza lingua più diffusa al mondo dopo il cinese e l'inglese. Il riconoscimento dei caratteri manoscritti Devanagri trova numerose applicazioni in diversi campi, come la lettura degli indirizzi postali e degli assegni elettronici. Negli ultimi decenni sono stati proposti ed evoluti diversi sistemi di riconoscimento di numeri scritti a mano. Ma la robustezza e l'accuratezza di questi sistemi sono ancora un problema a causa della varietà di modelli di scrittura, dimensioni, inclinazione, inchiostro e stile di scrittura. In questo lavoro viene quindi proposto un nuovo approccio per il riconoscimento dei numeri scritti a mano in Devanagari, basato su caratteristiche strutturali globali e locali. Il classificatore PNN (Probabilistic Neural Network) viene utilizzato per classificare separatamente i numeri Devanagari.