بهینه سازی تشخیص اعداد دست نویس با استفاده از الگوریتم شبکه های عصبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 937
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_231
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
شناسایی دست نوشته ها یکی از فعال ترین حوزه های تحقیقاتی در زمینه بینایی ماشین و پردازش الگو می باشد. در این میان پردازش و شناسایی اعداد دست نوشته به دلیل ویژگی های خاص آن و همچنین کاربردهای بسیار زیاد مورد توجه بیشتری قرار گرفته است. از جمله کاربردهای تشخیص دست نوشته ها می توان به دسته بندی نامه های پستی، خواندن خودکار مبالغ چک های بانکی، شناسایی خودکار اطلاعات ثبت شده در فرم ها، و غیره اشاره کرد. در تمامی این کاربردها، همواره مساله دقت و سرعت سیستم از درجه اهمیت بسیار بالایی برخوردار بوده است. این امر منجر به انتخاب این زمینه به عنوان پایه ای برای آزمون الگوریتم های پردازش الگو و دسته بندی اطلاعات شده است. مشکلی که بر سر راه وجود دارد، یافتن شبکه ای بزرگ و بهینه برای آموزش شبکه های عصبی با الگوهای ورودی بزرگ است، که این امر وقتگیر است. بنابراین ایجاد یک شبکه منحصربه فرد برای طبقه بندی الگوهای بسیار بزرگ، کاری دشوار و گاهی اوقات غیر ممکن می باشد. برای حل مشکلات فوق می توان به جای استفاده از یک شبکه بزرگ منحصربه فرد، از چندین شبکه کوچک تر با نرخ دقت و تشخیص بسیار بالا استفاده کرد. همچنین برای تشخیص کاراکترهای مشابه می توان از یک ماژول تصحیح گر در خروجی استفاده نمود. در این تحقیق، تشخیص اعداد دست نویس با استفاده از ماشین یادگیری، بهینه سازی شده است. در روش ارائه شده دقت تشخیص، نسبت به الگوریتم های مشابه افزایش چشمگیری داشته است.
کلیدواژه ها:
نویسندگان
معصومه اسدی
دانشجوی کارشناسی ارشد نرم افزار، دانشگاه آزاد اسلامی، خراسان رضوی، واحد نیشابور
رضا قائمی
استادیار گروه مهندسی کامپیوتر، واحد قوچان، دانشگاه آزاد اسلامی، قوچان، ایران
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 :