Choice of metadata Статьи
Page 1, Results: 1
Report on unfulfilled requests: 0
1.
Подробнее
32.973
S53
Shalakhmetov, A.
Optical character recognition with neural networks [Текст] / A. Shalakhmetov, S. Aubakirov // Вестник Казахского национального университета имени Аль-Фараби. - Almaty, 2018. - №4. - Р. 28-41. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
ББК 32.973
Рубрики: Компьютеры (электронно-вычислительные машины)
Кл.слова (ненормированные):
OCR -- нейронные сети -- сверточные нейронные сети -- автоматизация -- оптическое распознавание -- алгоритм -- машинное обучение -- оптическое распознавание -- многослойный перцептрон -- утилиты -- программное обеспечение -- оцифровка данных
Аннотация: XXI век – это век глобальной автоматизации и оцифровки данных. В наше время имеется огромный спрос на системы оптического распознавания, включая системы распознавания символов. В сфере оптического распознавания используются различные подходы в решении поставленных задач. Некоторые из них основываются на классических методах выделения характерных признаков. Некоторые базируются на алгоритмах машинного обучения. В данной работе рассматриваются исследования в сфере машинного обучения и предложения для последующих исследований. Данная статья основывается на двух публикациях, которые описывают основы машинного обучения. Мы поставили несколько аналогичных экспериментов для ознакомления с методами и техниками данного подхода, а также для определения основных принципов, которые влияют на процесс оптического распознавания. Мы проанализировали две основные архитектуры: многослойный перцептрон и сверточные нейронные сети. В заключении, мы ознакомились с основами алгоритмов машинного обучения и составили стратегию для дальнейших исследований. Полученный результат отражает разницу в производительности между разными моделями сверточных нейронных сетей при одинаковых условиях. Последующие работы будут содержать исследования и эксперименты различных архитектур. В дополнении, мы рассмотрели различные утилиты, программное обеспечение и среды для создания оптимального процесса реализации системы
Держатели документа:
ЗКГУ
Доп.точки доступа:
Aubakirov, S.
S53
Shalakhmetov, A.
Optical character recognition with neural networks [Текст] / A. Shalakhmetov, S. Aubakirov // Вестник Казахского национального университета имени Аль-Фараби. - Almaty, 2018. - №4. - Р. 28-41. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
Рубрики: Компьютеры (электронно-вычислительные машины)
Кл.слова (ненормированные):
OCR -- нейронные сети -- сверточные нейронные сети -- автоматизация -- оптическое распознавание -- алгоритм -- машинное обучение -- оптическое распознавание -- многослойный перцептрон -- утилиты -- программное обеспечение -- оцифровка данных
Аннотация: XXI век – это век глобальной автоматизации и оцифровки данных. В наше время имеется огромный спрос на системы оптического распознавания, включая системы распознавания символов. В сфере оптического распознавания используются различные подходы в решении поставленных задач. Некоторые из них основываются на классических методах выделения характерных признаков. Некоторые базируются на алгоритмах машинного обучения. В данной работе рассматриваются исследования в сфере машинного обучения и предложения для последующих исследований. Данная статья основывается на двух публикациях, которые описывают основы машинного обучения. Мы поставили несколько аналогичных экспериментов для ознакомления с методами и техниками данного подхода, а также для определения основных принципов, которые влияют на процесс оптического распознавания. Мы проанализировали две основные архитектуры: многослойный перцептрон и сверточные нейронные сети. В заключении, мы ознакомились с основами алгоритмов машинного обучения и составили стратегию для дальнейших исследований. Полученный результат отражает разницу в производительности между разными моделями сверточных нейронных сетей при одинаковых условиях. Последующие работы будут содержать исследования и эксперименты различных архитектур. В дополнении, мы рассмотрели различные утилиты, программное обеспечение и среды для создания оптимального процесса реализации системы
Держатели документа:
ЗКГУ
Доп.точки доступа:
Aubakirov, S.
Page 1, Results: 1