بهبود عملکرد شبکه کوانتیزاسیون برداری در تشخیص حروف دست نویس
عنوان مقاله: بهبود عملکرد شبکه کوانتیزاسیون برداری در تشخیص حروف دست نویس
شناسه ملی مقاله: CSCCIT01_223
منتشر شده در اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات در سال 1390
شناسه ملی مقاله: CSCCIT01_223
منتشر شده در اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات در سال 1390
مشخصات نویسندگان مقاله:
کریم مرادی - دانشگاه کردستان- دانشکده برق و کامپیوتر
محسن فتحیان - دانشگاه کردستان- دانشکده برق و کامپیوتر
حسام عمرانپور - دانشگاه صنعتی امیرکبیر- دانشکده کامپیوتر
سید جلال الدین موسوی راد - دانشگاه کردستان- دانشکده برق و کامپیوتر
خلاصه مقاله:
کریم مرادی - دانشگاه کردستان- دانشکده برق و کامپیوتر
محسن فتحیان - دانشگاه کردستان- دانشکده برق و کامپیوتر
حسام عمرانپور - دانشگاه صنعتی امیرکبیر- دانشکده کامپیوتر
سید جلال الدین موسوی راد - دانشگاه کردستان- دانشکده برق و کامپیوتر
در این مقاله روشی نوین برای آموزش شبکه عصبی یادگیر کوانتیزاسیون برداری به منظور دسته بندی حروف دست نویس ارائه شده است. نو آوری این روش در پایین اوردن زمان و پیچیدگی محاسباتی و همچنین افزایش دقت شبکه عصبی مورد استفاده می باشد. برای این منظور ، در فاز آموزش شبکه بجای تغییر همه وزن های شبکه ، تنها تعدادی از آنها و بصورت هدفمند اصلاح می شوند . آموزش این شبکه در دو فاز صورت می گیرد در فاز اول لایه رقابتی و در فاز دوم لایه خروجی آموزش داده می شود. با انجام این کار علاوه بر کاهش پیچیدگی محاسباتی ، دقت شبکه نیز افزایش می یابد. از دیگر مزایای این روش عدم نیار به اطلاعات درصد حضور هر کلاس قبل از آموزش و کاهش تعداد عملیلت مورد نیاز می باشد.
کلمات کلیدی: شبکه عصبی LVQ، شبکه عصبی SOM ، تشخیص حروف دست نویس
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/132202/