تشخیص حروف دست نویس فارسی با استفاده از شبکه تابع پایه شعاعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی سجاد مشهد - دانشکده مهندسی برق
- نویسنده سیدمحمدرضا حافظ
- استاد راهنما وحید اسدپور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
چکیده - در مقاله ارائه شده ، مساله بازشناسی حروف دستنویس فارسی به کمک شبکه های عصبی مورد بررسی و مطالعه قرار گرفته است. جهت انجام این پروژه، مراحلی تعیین و تعریف می شود که شامل انتخاب و تعیین خصوصیت منحصر به هر حرف بوده، به گونه ای که در مقابل مواردی از قبیل چرخش، تغییر اندازه و جابجایی مقاوم باشد. تبدیل فرمت ورودی به شکل قابل ارائه به شبکه و آنگاه آموزش شبکه عصبی از دیگر مراحل اجرای پروژه است. در این پروژه از یک خصوصیت مهم به نام shape context با توجه به استفاده از الگوریتم otsu جهت انجام عملیات باینری کردن تصاویر نمونه و چندین خصوصیت تکمیلی دیگر در کنار آن به صورت ترکیبی استفاده شده است. در انتهای عملیات، آموزش بر روی نه کلاس داده که از تصاویر استخراج شده تشکیل شده اند صورت گرفته و بر روی داده آزمون که داده ای است که در مجموعه داده های مورد آموزش توسط شبکه نمی باشد، امتحان می شود، که در 90.23% موارد، خروجی به درستی تشخیص داده می شود.
منابع مشابه
مدلسازی جریان سیال با استفاده از روش بدون شبکه محلی پترو-گلرگین بر پایه تابع شعاعی
در این مطالعه ابتدا به معرفی کامل روش بدون شبکه محلی پترو-گلرکین بر پایه تابع شعاعی پرداخته میشود. در این راستا با استخراج انواع معادلات جریان سیال شامل حرکت آب در خاک، کانال جریان و شکست سد سعی شده است با استفاده از مبانی ریاضی روش بدون شبکه، معادلات جریان رابطهسازی شود. نتایج نشان میدهد روش باقیمانده وزنی به عنوان یک روش دقیق و بهروز برای دستیابی به پاسخهای تقریبی معادلههای دیفرانسی...
متن کاملتقریب تابع ارزش عمل با استفاده از شبکه توابع پایه شعاعی برای یادگیری تقویتی
مشکل تنگنای ابعاد، یکی از چالش هایی است که کاربرد الگوریتم های یادگیری تقویتی گسسته را در مورد مسائل کنترلی واقعی که دارای فضای حالت و عمل بزرگ و یا پیوسته می باشند محدود نموده است. ترکیب روش های آموزشی گسسته با تقریب زننده های تابعی برای حل این مشکل چندی است مورد توجه محققان قرارگرفته است. در همین راستا در این مقاله یک الگوریتم جدید یادگیری تقویتی عصبی (NRL) بر مبنای معماری نقاد- تنها معرف...
متن کاملپیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...
متن کاملتشخیص اعداد دست نویس فارسی
در این پایان نامه ما به ارائه یک روش مبتنی بر نمایش تنک برای تشخیص ارقام دست نویس فارسی می پردازیم. در سال های اخیر روش های مبتنی بر نمایش تنک توانسته اند به کارایی قابل توجهی در مسائل بینایی ماشین و پردازش تصویر دست یابند. چالش اصلی در طراحی یک طبقه بند مناسب برای تشخیص ارقام فارسی، مدل کردن زیرفضای داده ها و انجام عمل طبقه بندی بر اساس مدل ارائه شده است. رویکردی که در این پایان نامه برای تشخی...
تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و المانی
متن کامل
تشخیص اعداد دست نویس فارسی به کمک شبکه های عصبی
دراین رساله پس از طرح مسئله تشخیص الگو، استفاده از شبکه های عصبی مصنوعی را به عنوان یک ابزار محاسباتی قوی در تشخیص الگو مورد بررسی قرار می دهیم. سپس از این شبکه ها جهت تشخیص اعداد و چهار عمل اصلی دست نویس فارسی توسط کامپیوتر استفاده خواهیم کرد که دراین راستا، بهینه سازی پارامترهای شبکه و بررسی اثر حذف و کوانتیزاسیون وزنهای شبکه مورد توجه قرار خواهند گرفت . بعد از مراحل فوق به یک شبکه عصبی بهینه...
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 - موسسه آموزش عالی غیرانتفاعی و غیردولتی سجاد مشهد - دانشکده مهندسی برق
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023