ارزیابی کارایی مدل های مختلف شبکه های عصبی عمیق در استخراج ویژگی از ارقام دست نویس فارسی و بازشناسی آنها

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 993

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP09_011

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

استفاده از شبکه های عصبی عمیق شامل - تعداد زیادی از لایه های پردازشی غیرخطی در بسیاری از کاربردها مورد توجه قرار گرفته است. در این مقاله ابتدا توانایی شبکه کدکننده خودکار پشته شده (SAE) دراستخراج ویژگی های مناسب سطح بالا از ارقام دست نویس فارسی مورد بررسی قرار گرفته است. برای ارزیابی قابلیت ایجاد تمایز بین دسته های مختلف ارقام دست نویس فارسی توسط این ویژگی ها، از نتایج طبقه بندی کننده KNN استفاده شده است. در ادامه، کارایی هر یک از شبکه های عصبی باور عمیق و کدکننده خودکار پشته شده در بازشناسی ارقام دست نویس مورد بررسی و مقایسه قرار گرفته است. نتایج پیاده سازی ها نشان می دهد که شبکه های عمیق در استخراج ویژگی و نیز طبقه بندی ارقام دست نویس فارسی در مقایسه با روش های موجود توانمندی بهتری از خود نشان داده اند

کلیدواژه ها:

بازشناسی ارقام دست نویس فارسی ، شبکه عمیق ، شبکه باور عمیق ، شبکه کدکننده خودکار پشته شده ، استخراج ویژگی ، طبقه بندی کننده

نویسندگان

اسماعیل میری

گروه الکترونیک دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

سیدمحمد رضوی

گروه الکترونیک دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

ناصر مهرشاد

گروه الکترونیک دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

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 :