Отрывок: С увеличением выборки процент верно распознанных символов снижается, что скорее всего вызвано сильным сходством многих символов кириллического алфавита. Сеть Кохонена показала сравнимо лучшие результаты, но уступающие сетям других классов. С увеличением количества распознаваемых символов, процент верно распознанных символов остался на весьма высоком уровне. Данный вывод подтверждается при сравнении с тестированием данных сетей, проведенном ...
Название : Исследование применения различных видов нейронных сетей при решении задачи распознавания рукописных символов
Авторы/Редакторы : Морозов И. С.
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 : 2020
Библиографическое описание : Морозов, И. С. Исследование применения различных видов нейронных сетей при решении задачи распознавания рукописных символов : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / И. С. Морозов ; 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, 2020. - on-line
Аннотация : Целью выпускной квалификационной работы магистра является разработка распределенной автоматизированной системы, обеспечивающей необходимый функционал для проведения ряда экспериментов по распознаванию рукописных символов различными типами нейронных сетей и сбора необходимой статистики. Исследование эффективности нейронных сетей в данной задаче проводилось с применением нейронных сетей Хопфилда, Хемминга, Кохонена и свёрточной нейронной сети. Система реализована на языках C# и Java на программных платформах .NET Framework и .NET Core с помощью интегрированной среды разработки программного обеспечения Visual Studio 2019 свободно распространяемой редакции Community и платформе Android при помощи интегрированной среды разработки программного обеспечения Android Studio.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20200909162956
Ключевые слова: распознавание рукописных символов
преобразование изображений
автоматизированные системы
классификация
сеть Кохонена
сеть Хемминга
сеть Хопфилда
сверточные нейронные сети
векторизация
нейронные сети
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Морозов_Иван_Сергеевич_Исследование_применения_различных_видов.pdf2.62 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



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