تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet

ابراهیم فرح بخش; احسان اله کوزه گر

سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Advanced search Thesis

Papers Conferences Journals

تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet

Publish place: 3RD CONFERENCE ON ELECTRICAL AND COMPUTER ENGINEERING TECHNOLOGY (E-TECH 2017)

Publish Year: 1396

Type: Conference paper

Language: Persian

This Paper With 5 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/749244

Document National Code:

ETECH03_080

Index date: 23 July 2018

تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet abstract

در این مقاله یک روش جدید برای بازشناسی ارقام دست نویس فارسی ارایه کرده ایم. در این روش با بهره گیری از یک شبکه عصبی کانولوشن عمیق به استخراج ویژگیهای با ارزش از تصاویر ارقام دست نویس فارسی پرداخته ایم. سپس ویژگی های حاصل از این شبکه را به یک ماشین بردار پشتیبان ارسال کرده ایم. مجموعه ارقام دستنویس هدی اولین مجموعه ی بزرگ ارقام دستنویس فارسی است. ابتدا به بررسی مقالاتی که بر روی این مجموعه داده کار کرده اند پرداخته ایم و سپس مدل پیشنهادی را بر این مجموعه داده اعمال کرده ایم. نتایج بدست آمده از آزمایشات، برتری مدل پیشنهادی ما را نشان میدهد.

تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet Keywords:

بازشناسی ارقام دست نویس فارسی , یادگیری بدون ناظر , شبکه عصبی کانولوشن عمیق , مجموعه ارقام دست نویس هدی

تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet authors

ابراهیم فرح بخش

گروه مهندسی کامپیوتر، موسسه آموزش عالی شفق مازندران، ایران

احسان اله کوزه گر

دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران تهران، ایران

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/749244

Document National Code:

ETECH03_080

Index date: 23 July 2018

How to cite:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the references section:

فرح بخش، ابراهیم و کوزه گر، احسان اله،1396،تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet،3RD CONFERENCE ON ELECTRICAL AND COMPUTER ENGINEERING TECHNOLOGY (E-TECH 2017)،Tehran،https://civilica.com/doc/749244

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، فرح بخش، ابراهیم؛ احسان اله کوزه گر)
برای بار دوم به بعد: (1396، فرح بخش؛ کوزه گر)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:

Ranking of Aurora institution of higher education

Type of center: موسسه غیرانتفاعی

Paper count: 365

In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

Related papers

مقاله فارسی "تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet" توسط ابراهیم فرح بخش، گروه مهندسی کامپیوتر، موسسه آموزش عالی شفق مازندران، ایران؛ احسان اله کوزه گر، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران تهران، ایران نوشته شده و در سال 1396 پس از تایید کمیته علمی سومین کنفرانس ملی تکنولوژی مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله بازشناسی ارقام دست نویس فارسی، یادگیری بدون ناظر، شبکه عصبی کانولوشن عمیق، مجموعه ارقام دست نویس هدی هستند. این مقاله در تاریخ 1 مرداد 1397 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 916 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله یک روش جدید برای بازشناسی ارقام دست نویس فارسی ارایه کرده ایم. در این روش با بهره گیری از یک شبکه عصبی کانولوشن عمیق به استخراج ویژگیهای با ارزش از تصاویر ارقام دست نویس فارسی پرداخته ایم. سپس ویژگی های حاصل از این شبکه را به یک ماشین بردار پشتیبان ارسال کرده ایم. مجموعه ارقام دستنویس هدی ... . این مقاله در دسته بندی موضوعی شبکه عصبی و یادگیری عمیق طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.