Отрывок: 85-88; 14. Лёзина И.В. Автоматизированная система распознавания печатных символов нейронными сетями Хемминга и Хопфилда [Текст]/И.В. Лёзина, А.В. Мазаев//Известия Самарского научного центра Российской академии наук. Том 17 №2(5), 2015 – С. 1044-1047; 15. Мазаев А.В. Автоматизированная система распознавания печатных символов нейронной сетью BAM [Текст]/И.В. Лёзина, А.В. Мазаев//Перспективные информационные технологии (ПИТ 2018): труды Международной научно-технической конференц...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМазаев А. В.ru
dc.contributor.authorЛезина И. В.ru
dc.contributor.authorНечаев Д. А.ru
dc.contributor.authorМинистерство образования и науки 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.spatialметод DELTA-проекцийru
dc.coverage.spatialрекуррентные нейронные сетиru
dc.coverage.spatialнейронная сеть Хеммингаru
dc.coverage.spatialнейронная сеть Хопфилдаru
dc.coverage.spatialнейроныru
dc.coverage.spatialраспознавание печатных символовru
dc.coverage.spatialправило Хеббаru
dc.creatorМазаев А. В.ru
dc.date.issued2018ru
dc.identifierRU\НТБ СГАУ\ВКР20180625125836ru
dc.identifier.citationМазаев, А. В. Сравнение результатов распознавания печатных символов рекуррентными нейронными сетями : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / А. В. Мазаев ; рук. работы И. В. Лезина; рец. Д. А. Нечаев ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и электрон. - Самара, 2018. - on-lineru
dc.description.abstractЦелью данной выпускной квалификационной работы магистра является сравнение результатов распознавания печатных символов рекуррентными нейронными сетями, реализация алгоритмов и проектирование программного комплекса для распознавания печатных символов рекуррентными нейронными сетями. Разработана автоматизированная система, в которой реализованы следующие рекуррентные нейронные сети: нейронная сеть Хопфилда, нейронная сеть Хемминга и нейронная сеть BAM. Для обучения нейронных сетей в системе реализован режим обучения посредством загрузки информации об образах, через файлы формата .xml, а также ввод символов с экрана вручную, с последующим сохранением в файл с образами. Разработан логический проект автоматизированной системы по методологии UML. Программная реализация выполнена на языке Java в среде программирования IDE NetBeans 8.2.ru
dc.format.extentЭлектрон. дан. (1 файл : 2,2 Мб)ru
dc.titleСравнение результатов распознавания печатных символов рекуррентными нейронными сетямиru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart85-88; 14. Лёзина И.В. Автоматизированная система распознавания печатных символов нейронными сетями Хемминга и Хопфилда [Текст]/И.В. Лёзина, А.В. Мазаев//Известия Самарского научного центра Российской академии наук. Том 17 №2(5), 2015 – С. 1044-1047; 15. Мазаев А.В. Автоматизированная система распознавания печатных символов нейронной сетью BAM [Текст]/И.В. Лёзина, А.В. Мазаев//Перспективные информационные технологии (ПИТ 2018): труды Международной научно-технической конференц...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Мазаев_Алексей_Викторович_Сравнение_результатов_распознавания_печатных.pdf2.3 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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