دانش رسان |
مرکز علم و دانش کشور رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن 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 رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن رویکردی بر شناسایی الفبایModi Lipi با استفاده از الگوریتم باینری سازی اتسو و شبکه عصبی کوهونن :
تعداد صفحات :۶
چکیده مقاله:
شناسایی حروف برای انسان ها امری ساده اما ساختن نرم افزاری که بتواند حروف را شناسایی کند بسیار پیچیده است. یک نوع الفبای هندی با حروف شکسته معروف به الفبایModi برای نوشتن زبان های مختلفی مثل هندی، گجراتی، کانارا، فارسی، تامیل و تلوگو بکار می رود. هدف ما طراحی سیستم شناسایی حروفی است که قادر باشد حروف چاپی و دست نویس Modi را با سرعت الکترونیکی با اسکن فایل ها شناسایی نماید. در عمل طراحی یک سیستم شناسایی حروف شکسته CCRS که بتواند دقت شناسایی بالا را بدون توجه به کیفیت فایل های ورودی حفظ کند مسئله ای دشوار است. ما سیستم شناساگر حروف الفبای MSCR( Modi را با استفاده از الگوریتم باینری سازی اتسو و روش شبکه عصبی کوهونن طراحی کرده ایم. ما ۲۲ حرف مختلف الفبای Modi از جمله صامت ها و مصوت ها را برای آموزش سیستم با استفاده از شبکه عصبی کوهونن درنظر گرفته ایم. مجموعه داده های نمونه )تصاویر آموزشی( از حروف باگرفتن نمونه های دست نویس از افراد مختلف نگهداری شده است. این تصاویر برای آموزش به سیستم بکار می رود. نتایج بدست آمده کارآمدی تکنیک شناساییپیشنهادی را ثابت می کند. ما برای حروفی که به لحاظ شکل و ساختار مشابهت دارند نرخ شناسایی پایین تری بدست آوردیم. درمجموع، یک نرخ شناسایی قابلقبول ۶۲۲۷ % در مورد حروف دست نویس بدست آمده است
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
