Отрывок: С увеличением выборки процент верно распознанных символов снижается, что скорее всего вызвано сильным сходством многих символов кириллического алфавита. Сеть Кохонена показала сравнимо лучшие результаты, но уступающие сетям других классов. С увеличением количества распознаваемых символов, процент верно распознанных символов остался на весьма высоком уровне. Данный вывод подтверждается при сравнении с тестированием данных сетей, проведенном ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМорозов И. С.ru
dc.contributor.authorЛёзина И. В.ru
dc.contributor.authorСоловьева Я. В.ru
dc.contributor.authorМинистерство науки и высшего образования 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.spatialраспознавание рукописных символовru
dc.coverage.spatialпреобразование изображенийru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialклассификацияru
dc.coverage.spatialсеть Кохоненаru
dc.coverage.spatialсеть Хеммингаru
dc.coverage.spatialсеть Хопфилдаru
dc.coverage.spatialсверточные нейронные сетиru
dc.coverage.spatialвекторизацияru
dc.coverage.spatialнейронные сетиru
dc.creatorМорозов И. С.ru
dc.date.issued2020ru
dc.identifierRU\НТБ СГАУ\ВКР20200909162956ru
dc.identifier.citationМорозов, И. С. Исследование применения различных видов нейронных сетей при решении задачи распознавания рукописных символов : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / И. С. Морозов ; рук. работы И. В. Лёзина ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2020. - on-lineru
dc.description.abstractЦелью выпускной квалификационной работы магистра является разработка распределенной автоматизированной системы, обеспечивающей необходимый функционал для проведения ряда экспериментов по распознаванию рукописных символов различными типами нейронных сетей и сбора необходимой статистики. Исследование эффективности нейронных сетей в данной задаче проводилось с применением нейронных сетей Хопфилда, Хемминга, Кохонена и свёрточной нейронной сети. Система реализована на языках C# и Java на программных платформах .NET Framework и .NET Core с помощью интегрированной среды разработки программного обеспечения Visual Studio 2019 свободно распространяемой редакции Community и платформе Android при помощи интегрированной среды разработки программного обеспечения Android Studio.ru
dc.format.extentЭлектрон. дан. (1 файл : 2,6 Мб)ru
dc.titleИсследование применения различных видов нейронных сетей при решении задачи распознавания рукописных символовru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartС увеличением выборки процент верно распознанных символов снижается, что скорее всего вызвано сильным сходством многих символов кириллического алфавита. Сеть Кохонена показала сравнимо лучшие результаты, но уступающие сетям других классов. С увеличением количества распознаваемых символов, процент верно распознанных символов остался на весьма высоком уровне. Данный вывод подтверждается при сравнении с тестированием данных сетей, проведенном ...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Морозов_Иван_Сергеевич_Исследование_применения_различных_видов.pdf2.62 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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