Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://ea.donntu.edu.ua/jspui/handle/123456789/30015
Назва: | Моделі розпізнавання тексту з використанням нейронних мереж |
Інші назви: | Models of text recognition using neural networks |
Автори: | Рибак, Дмитро Віталійович |
Ключові слова: | розпізнавання тексту нейромережа перцептрон OCR машинне навчання |
Дата публікації: | гру-2018 |
Видавництво: | Покровськ, ДВНЗ «ДонНТУ» |
Бібліографічний опис: | Рибак Д.В. Моделі розпізнавання тексту з використанням нейронних мереж: Випускна кваліфікаційна робота на здобуття освітнього ступеня «магістр» за спеціальністю 122 «Комп’ютерні науки»/ Д.В. Рибак. – ДВНЗ ДонНТУ, Покровськ, 2018..– 107 с. |
Серія/номер: | Комп’ютерні науки; |
Короткий огляд (реферат): | Об`єктом дослідження є моделі розпізнавання тексту із застосуванням нейромереж. Предметом дослідження є алгоритми машинного навчання і підходи до OCR розпізнавання багатосимвольного тексту цілісно, без необхідності додаткової сегментації або детектування символів, без серйозної попередньої обробки. Мета роботи полягає у дослідженні і розробці методу розпізнавання багатосимвольного тексту на основі штучної нейронної мережі з метою підвищення точності розпізнавання. Методи досліджень базуються на основних положеннях теорії розпізнавання тексту, методів штучних нейронних мереж та машинного навчання. Наукова новизна полягає у вдосконаленні методів розпізнавання багато символьного тексту в умовах деформації та шумів. Практичне значення полягає в підвищенні точності розпізнавання тексту. Розроблена система може бути корисна для навчання студентів та може бути використана як приклад для подальших розробок в області розпізнавання тексту. |
URI (Уніфікований ідентифікатор ресурсу): | http://ea.donntu.edu.ua/jspui/handle/123456789/30015 |
Розташовується у зібраннях: | ОС "Магістр" КНТ |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
РыбакД.pdf | 4,69 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.