Отрывок: Вторая содержит классы, участвующие во взаимодействии системы с внешними по отношению к ней объектами: пользователем и источником внешних данных для случая получения данных из базы данных (БД). Таким образом, на данной диаграмме находятся классы, отвечающие за пользовательский интерфейс и интерфейс связи с БД. Диаграмма классов может быть построена как на этапе логического, так и на этапе физического проектирования. В данном случае нас ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Романов Д. А. | ru |
dc.contributor.author | Севостьянова В. В. | ru |
dc.contributor.author | Соловьева Я. В. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | печатные символы | ru |
dc.coverage.spatial | функция Ферми | ru |
dc.coverage.spatial | алгоритм обратного распространения ошибки | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | многослойный персептрон | ru |
dc.coverage.spatial | гиперболический тангенс | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | нейросетевые методы | ru |
dc.coverage.spatial | нейросетевая классификация | ru |
dc.creator | Романов Д. А. | ru |
dc.date.issued | 2020 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20201013161714 | ru |
dc.identifier.citation | Романов, Д. А. Автоматизированная система нейросетевой классификации печатных символов : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата) / Д. А. Романов ; рук. работы В. В. Севостьянова ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информа. - Самара, 2020. - on-line | ru |
dc.description.abstract | Целью работы является автоматизация процесса распознавания печатных символов и классификации их с помощью нейронной сети обратного распространения ошибки. Рассмотрены существующие системы анализа нейросетевых методов распознавания. Изучены алгоритмы обучения нейронных сетей с использованием метода обратного распространения ошибки, способырешения задач распознавания и классификации с помощью нейронных сетей. Разработан информационно-логический проект системы с использованием методологии UML.Разработана и реализована автоматизированная система нейросетевой классификации печатных символов с помощью многослойного персептрона.Разработан пример распознавания печатных символов с изображения многослойным персептроном с помощью разработанной системы. Рассчитан экономический эффект от внедрения автоматизированной системы.Произведена оценка условий труда пользователей системы. | ru |
dc.format.extent | Электрон. дан. (1 файл : 2,0 Мб) | ru |
dc.title | Автоматизированная система нейросетевой классификации печатных символов | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | Вторая содержит классы, участвующие во взаимодействии системы с внешними по отношению к ней объектами: пользователем и источником внешних данных для случая получения данных из базы данных (БД). Таким образом, на данной диаграмме находятся классы, отвечающие за пользовательский интерфейс и интерфейс связи с БД. Диаграмма классов может быть построена как на этапе логического, так и на этапе физического проектирования. В данном случае нас ... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Романов_Дмитрий_Алексеевич_Автоматизированная_система_нейросетевой_классификации.pdf | 2.02 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.