مقاله بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP :

تعداد صفحات:۸
چکیده:
در این مقاله، یک سامانه بازشناسی برخط زیر-کلمات دست نویس فارسی، مستقل از زبان نوشتار و مبتنی بر آموزش، با استفاده از شبکه عصبی MLP ارائه شده است. در الگوریتم پیشنهادی، ابتدا گروهی که زیر-کلمه ناشناخته ورودی در آن قرار دارد، مشخص می شود. اگر این گروه فقط یک عضو داشته باشد، آن کلاس به زیر-کلمه ورودی نسبت داده م یشود وگرنه، گروه بدن ه زیر -کلمه ناشناخته با بدنه های زیر-کلمات هم گروه مقایسه م یشود. زیر-کلمه ای که بدنه آن با بدنه زی ر-کلمه ورود ی، کمتری ن فاصله را داشته باشد، به زیر-کلمه ورودی نسبت داده م یشود. سیستم بازشناسی علاوه بر شبیه ترین زیر-کلمه، حداکثر ۹ زیر-کلمه دیگر را نیز که در رتبه های بعدی از نظر فاصله با زیر-کلمه ناشناخته قرار م یگیرند، پیشنهاد م یکند. اگر زیر-کلمه یافت شده، زیر-کلمه مورد نظر کاربر نبود، سیستم قادر است آنرا بعنوان نمونه ای جدید آموزش ببیند. این سیستم پیشنهادی بر روی مجموعه داده استاندارد شامل ۱۱ نمونه از هر زیر-کلمه با یک فرهنگ ۱۰۰۰ زیر-کلمه ای آزمایش شده است. سرعت تشخیص برای این ۱۰۰۰ زیر – کلمه آموزش دیده توسط این سیستم، بطور متوسط ۶۰ ثانیه برای هر زیر-کلمه و میزان بازشناسی درست، ۹۹۸۶ درصد بدست آمده است.