طراحی یک سیستم تشخیص اسکناس مبتنی بر شبکه عصبی با استفاده از مشخصه های بافت و رنگ تصویر
Authors
Abstract:
Since money exchange is important in our daily life, many types of equipments such as Vending Machines, Currency Sorters, Automatic Teller Machines (ATM) and Currency Recognition systems for blind people have been made. More advanced devices with more capabilities are being made each day. As a result, efficient, fast and reliable currency recognition methods are required. Most currency recognition methods only use one attribute of currency images, such as major color, Ultra Violet spectrum or texture that are extracted from currency images. In this paper, we introduce a method for currency recognition that combines texture and color data together and applies them to a neural network. The best result from the other existing methods is at most 85 percent but our method shows 10 percent improvement compared to existing solutions.
similar resources
طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
full textطراحی سیستم تشخیص اسکناس با استفاده از شبکه های عصبی
مبادله اسکناس یکی از مهمترین روش ها در داد و ستد می باشد. با توجه به اهمیت موضوع و جایگاه مبادلات پولی در زندگی روزمره تجهیزات فراوانی مانند ماشین های فروش، مرتب کنندهای اسکناس، دستگاههای خودپرداز و دستگاه تشخیص اسکناس برای نابینایان ساخته شده و روز به روز گسترده تر و با قابلیت بیشتر عرضه می گردند. که بالطبع نیاز به روش های تشخیص اسکناس کارآمد تر، سریعتر، دقیقتر و جامع تری دارند. با توجه به این...
15 صفحه اولطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
در این مقاله، یک روش جدید برای طبقهبندی آریتمیهای قلبی بر مبنای تبدیل ویولت و شبکههای عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگیهای زمان – فرکانس استفاده میشود. نتیجهی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکهی عصبی مورد استفاده قرار میگیرد. هر چند که در سالهای اخیر، الگوریتمهای متنوعی برای تشخیص آریتمیهای قلبی پیشنهاد شدهان...
full textطراحی سیستم تشخیص صرع کانونی با استفاده از نگاشت مغز، تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی
زمینه و هدف: متداول ترین روش تشخیص پاراکلینیکی صرع، نوار مغز یا الکترونسفالوگرام (eeg) می باشد که با آنالیز چشمی توسط متخصصین نورولوژی انجام می گیرد، اما به دلیل موارد منفی کاذب و همچنین عدم امکان بررسی ارتباط سایر الکترودها و نواحی مغز با هم، از آن به صورت منحصر به فردی در تشخیص صرع استفاده نمی شود. در سال های اخیر الکترونسفالوگرام کوانتیزه (qeeg) به ابزاری قدرت مند در تشخیص ناهنجاری های فعال...
full textتوسعه یک سیستم تشخیص مشتری تلفیقی مبتنی بر درخت رگرسیونی هرس شده و شبکه عصبی بهبودیافته
In today’s world, customer purchasing behavior forecasting is one of the most important aspects of customer attraction. Good forecasting can help to develop marketing strategies more accurately and to spend resources more effectively. The creation of a customer recognition system (CRS) model concerns a difficult task due to the large number of possible features. Furthermore, there is a high n...
full textتوسعه یک سیستم تشخیص مشتری تلفیقی مبتنی بر درخت رگرسیونی هرس شده و شبکه عصبی بهبودیافته
In today’s world, customer purchasing behavior forecasting is one of the most important aspects of customer attraction. Good forecasting can help to develop marketing strategies more accurately and to spend resources more effectively. The creation of a customer recognition system (CRS) model concerns a difficult task due to the large number of possible features. Furthermore, there is a high n...
full textMy Resources
Journal title
volume 7 issue 2
pages 59- 68
publication date 2011-03
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023