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...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorГриценко Д. И.ru
dc.contributor.authorЛёзина И. В.ru
dc.contributor.authorСоловьева Я. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатикиru
dc.contributor.authorматематики и электроникиru
dc.coverage.spatialкоэффициент скорости обученияru
dc.coverage.spatialмногослойный персептронru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialраспознавание рукописных арабских цифрru
dc.coverage.spatialрукописные арабские цифрыru
dc.coverage.spatialвесовые коэффициентыru
dc.coverage.spatialалгоритм обратного распространения ошибкиru
dc.coverage.spatialалгоритм роя частицru
dc.creatorГриценко Д. И.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\ВКР20210903104717ru
dc.identifier.citationГриценко, 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-lineru
dc.description.abstractЦель 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.ru
dc.format.extentЭлектрон. дан. (1 файл : 3,9 Мб)ru
dc.titleАвтоматизированная система распознавания рукописных арабских цифр многослойным персептроном с предварительной инициализацией весовых коэффициентовru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart9. 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...-
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 базовое описание ресурса Просмотр статистики
Поделиться:



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