افزایش سرعت تشخیص هویت مبتنی بر دستخط با استفاده از شبکه های عصبی خودسازمان ده رشدیابنده سلسله مراتبی
محل انتشار: ششمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,025
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP06_189
تاریخ نمایه سازی: 20 فروردین 1390
چکیده مقاله:
یکی از روشهای تشخیص هویت مبتنی بر دست خط استخراج کتاب کد کاربران است که در آن به ازا هریک از کاربران یک بردار ویژگی از دست نوشته های کاربر مربوطه استخراج می شود یکی از مکانیزم های مورد استفاده برای استخراج کتاب کد استفاده از شبکه های عصبی خودسازمان ده است استفاده از این شبکه ها نیازمند تعیین توپولوژی شبکه در ابتدای یادگیری بوده و همچنین با افزایش اندازه شبکه و داد ه های اموزش زمان اموزش و بکارگیری شبکه به صورت خطی افزایش می یابد. برای رفع این مشکلات دراین مقاله استفاده از شبکه های عصبی خوسازمان ده رشد یابنده سلسله مراتبی برای استخراج کتاب کد پیشنهاد شده است نتایج ازمایشهای تجربی صورت گرفته برروی چند پایگاه داده دست نوشته های فارسی و انگلیسی نشان دهنده دقت و سرعت بالای روش پیشنهادی است به گونه ای که زمان اموزش شبکه از 23 ساعت برای یک شبکه خودسازمان ده استاندارد به 6 دقیقه در یک شبکه خودسازمان ده رشد یابنده سلسله مراتبی کاهش یافته است همچنین دقت روش پیشنهادی در پایگاه داده های فارسی با 180 نویسنده برابر با 97 درصد و در پایگاه داده های انگلیسی با 900 نویسنده 94 درصد است که در مقایسه با نتایج گزارش شده توسط روشهای دیگر از دقت بالاتری برخوردار است.
کلیدواژه ها:
نویسندگان
زهرا بهمنی
دانشگاه صنعتی امیرکبیر
گلناز قیاسی
دانشگاه صنعتی امیرکبیر
رضا صفابخش
دانشگاه صنعتی امیرکبیر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :