Отрывок: 9. При этом значении было получена наилучшая общая точность распознавания арабских цифр нейронной сетью. 3.4.4 Исследование зависимости количества верных распознаваний от шанса смерти частицы Для выяснения оптимального значения шанса смерти частицы были проведены тестирования нейронных сетей с изменением этого параметра. Количество частиц было выбрано в соотв...
Название : Автоматизированная система распознавания рукописных арабских цифр многослойным персептроном с предварительной инициализацией весовых коэффициентов
Авторы/Редакторы : Гриценко Д. И.
Лёзина И. В.
Соловьева Я. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2021
Библиографическое описание : Гриценко, Д. И. Автоматизированная система распознавания рукописных арабских цифр многослойным персептроном с предварительной инициализацией весовых коэффициентов : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата) / Д. И. Гриценко ; рук. работы И. В. Лёзина ; 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 информатики,. - Самара, 2021. - on-line
Аннотация : Цель работы – разработка и реализация автоматизированной системы, использующейся для распознавания рукописных арабских цифр с применением искусственной нейронной сети с архитектурой многослойного персептрона с предварительно инициализированными весовыми коэффициентами методом роя частиц, а также исследование наиболееоптимальной конфигурации сети для увеличения точности распознавания арабских цифр. При реализации модели многослойного персептрона был использован алгоритм обратного распространения ошибки. Был разработан логический проект системы по методологии UML сиспользованием средства разработки Visual Paradigm.Система реализована на языке Java с использованием интегрированной среды разработки IntelliJ IDEA 2020.2.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20210903104717
Ключевые слова: коэффициент скорости обучения
многослойный персептрон
нейронные сети
автоматизированные системы
распознавание рукописных арабских цифр
рукописные арабские цифры
весовые коэффициенты
алгоритм обратного распространения ошибки
алгоритм роя частиц
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Гриценко_Дмитрий_Игоревич_Автоматизированная_система_распознавания_рукописных.pdf4.01 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.