بازشناسی حروف فارسی با استفاده از شبکه عصبی چند جمله ای های جداکننده
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران
- نویسنده سعید اسدی
- استاد راهنما محمود فتحی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1377
چکیده
در این پایان نامه یک روش بازشناسی حروف تایپی فارسی بصورت ساختاری و با پارامتری فرض کردن حروف ارائه شده است . در این روش ویژگیهای مناسبی که بتواند شکل و حالات هر یک از حروف را نشان دهد، استخراج میگردد. این ویژگیها بگونه ای مورد استفاده قرار میگیرندکه بتواند نمایانگر حروف مختلف بصورت یکتا باشند. با استفاده از جداول و درخت های تصمیم گیری، روشی جهت بازشناسی حروف تایپی فارسی ارائه میگردد. مسائل مهم در این پایان نامه عبارتند از: جداسازی حروف که بر اساس موقعیت خط زمینه صورت می پذیرد، استخراج ویژگیهای مناسب و بازشناسی حروف فارسی که با استفاده از بانک های اطلاعاتی و درخت های تصمیم گیری انجام میگیرد. روش دیگر بازشناسی که در این پایان نامه مورد استفاده قرار گرفته است ، استفاده از (padalines) شبکه عصبی چند جمله ایهای جداکننده است . در این روش تعدادی از ویژگیهای استخراج شده تبدیل به تابت های برای چند جمله ایهای مختلف میگردد و برای حالات مختلف حروف یک چند جمله ای ارائه میگردد. الگوریتم ها مستقل از اندازه حروف میباشند. روشهای ارائه شده در این پایان نامه بدون هیچگونه تغییری میتواند برای بازشناسی حروف تایپی لاتین نیز بکار رود. برای طبقه بندی نهایی در هر دو روش بازشناسی نیز از بانک های اطلاعاتی استفاده شده است .
منابع مشابه
بازشناسی حروف برخط فارسی با استفاده از ویژگیهای ساختاری
در این مقاله گروهبندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگیهای ساختاری آنها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آنها به 9 گروه تقسیم میشوند. پس از استخراج ویژگیها، گروهبندی با استفاده از درخت تصمیم انجام میشود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آنها در هر گروه صورت میپذیرد. با توجه به این که در این مقاله از روش...
متن کاملبازشناسی حروف برخط فارسی با استفاده از ویژگیهای ساختاری
در این مقاله گروهبندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگیهای ساختاری آنها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آنها به 9 گروه تقسیم میشوند. پس از استخراج ویژگیها، گروهبندی با استفاده از درخت تصمیم انجام میشود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آنها در هر گروه صورت میپذیرد. با توجه به این که در این مقاله از روش...
متن کاملمدل سازی منطقه ای tec با استفاده از شبکه های عصبی مصنوعی و مدل چند جمله ای در ایران
در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 5 نرون در لایه مخفی جهت مدلسازی مقدار محتوای الکترون لایه یونوسفر (tec) استفاده شده است. بدین منظور از 25 ایستگاه gps شبکه ژئودینامیک کشور ایران در محدوده عرض جغرافیایی 24 الی 40 درجه و طول جغرافیایی 44 الی 64 درجه استفاده گردیده است. ارزیابی نتایج بدست آمده از شبکه عصبی مصنوعی مدلسازی شده برای این منطقه توسط 1 ایستگاه تست gps که مقادیر محت...
متن کاملمعرفی شبکه های عصبی پیمانه ای عمیق با ساختار فضایی-زمانی دوگانه جهت بهبود بازشناسی گفتار پیوسته فارسی
In this article, growable deep modular neural networks for continuous speech recognition are introduced. These networks can be grown to implement the spatio-temporal information of the frame sequences at their input layer as well as their labels at the output layer at the same time. The trained neural network with such double spatio-temporal association structure can learn the phonetic sequence...
متن کاملکاهش مرتبهی سیستم با استفاده از چند جمله ای های لاگر و الگوریتم جستجوی هارمونی
این مقاله، به ارائهی رهیافتی جهت کاهش مرتبهی سیستم ها ، مبتنی بر چند جملهای متعامد لاگر و الگوریتم جستجوی هارمونی می پردازد. به همین منظور، ساختار ثابت مناسبی برای مدل مرتبه کاهشی در نظر گرفته می شود. سپس با استفاده از الگوریتم جستجوی هارمونی با کمینه کردن یک تابع برازش، پارامتر های مدل مرتبه کاهشی به طور همزمان تعیین می شوند که تابع برازش، اختلاف میان l ضریب اول بسط لاگر مدل مرتبه کامل و l ...
متن کاملافزایش کارایی بازشناسی لغات با استفاده از توالی حروف به وسیله شبکه عصبی بازگشتی
چکیده در این پایان نامه روشی برای بهبود نرخ بازشناسی حروف در اسامی فارسی ارائه شده است. در اینجا سعی شده است تا با استخراج توالی حروف نرخ نهایی بازشناسی بهبود داده شود ، برای استخراج این توالی از دو روش استفاده شده است . الف) استفاده از شبکه عصبی بازگشتی المن ب) استفاده از ماتریس های انتخاب همزمان در روش اول با توجه به خاصیت حافظه دار بودن شبکه المن سعی شده تا با استفاده از داده های آموز...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023