کشف و شناسایی نزدیکترین الگو به مدل اصلی با استفاده از شبکه های RBF
Publish place: 1st Iranian National Conference Electerical Engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 376
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INCEE01_147
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
شناسایی خودکار دست نوشته عددی کاربردهای فراوانی دارد. امروزه بسیاری از اسکنرهای نوری و ابزارهای نوشتاری قادر به شناخت دست نوشته ها و تشخیص اعداد بین 0 تا 9 می باشند و کار را برای کاربران در تبدیل اسناد به نسخه های دیجیتالی راحت کرده اند، در این مقاله سعی بر این است که با به کارگیری دو مدل از شبکه ی عصبی و مقایسه این دو مدل و به دقت بالایی در شناخت اعداد و پیدا کردن نزدیک ترین فاصله ی بهینه در شبکه های RBF برسیم. و با پیدا کردن الگوریتم مناسب برای بیرون کشیدن الگوها و نتیجه بهتر آن حجم مراحل کاری را از روی شبکه انتخاب می شود، که این عملیات باعث بالا رفتن سرعت پردازش و کم شدن خطا و اشتباه خواهد شد.
Keywords:
Authors
مهدی توپچی
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)
سیده اعظم ابوالقاسم پور
کارشناسی ارشد نرم افزار، واحد علوم و تحقیقات خراسان رضوی