Choice of metadata Статьи
Page 1, Results: 2
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.
2.
Подробнее
32.973.26-018.2
Р 17
Разработка формата приложений для информационно-моделирующей системы экологического мониторинга [Текст] / К. Т. Искаков [и др.] // Вестник Казахского национального университета имени Аль-Фараби. - Алматы, 2018. - №4. - С. 52-62. - (Серия математика, механика, информатика)
ББК 32.973.26-018.2
Рубрики: Программное обеспечение
Кл.слова (ненормированные):
данные -- NetCDF -- система управления базами данных -- база данных -- экологический мониторинг -- информационно-моделирующая система -- приложения -- моделирование -- утилиты -- программное обеспечение -- математическая программа Scilab -- MATLAB -- база данных -- СУБД -- MS SQL -- информатика -- кроссплатформенная программа -- файл
Аннотация: Необходимость разработки формата приложений на основе современных технологий обусловлена актуальностью оптимального функционирования системы экологического мониторинга. Данная система состоит из несколько взаимодействующих модулей. Одна из них «модуль усвоения данных», которая моделирует процесс с применением алгоритма усвоения данных. Для оптимального моделирования необходимо исходные файлы форматом Network Common Data Form (NetCDF), который будет формироваться с разработанного приложения. В работе дается характеристика, особенности, структура формата NetCDF, представлены существующие утилиты и программные обеспечения, инструменты, программы визуализации по работе с данным форматом. Анализируются их назначение, функции. Приведены созданные файлы NetCDF с помощью математической программы Scilab, которая является альтернативой MATLAB. В работе представлена разработанная база данных по загрязнителям атмосферного воздуха. Описана структура основных таблиц : поля, тип данных, описание поля, свойства поля. Для создания базы данных использовалась система управления базами данных (СУБД) MS SQL Приведена реляционная модель созданной базы данных. Показано взаимодействие основных составляющих информационно-моделирующей системы
Держатели документа:
ЗКГУ
Доп.точки доступа:
Искаков , К.Т.
Хасенова , З.Т.
Мынбаева , Б.Н.
Оралбекова , Ж.О.
Мухтарова , Ш.О.
Р 17
Разработка формата приложений для информационно-моделирующей системы экологического мониторинга [Текст] / К. Т. Искаков [и др.] // Вестник Казахского национального университета имени Аль-Фараби. - Алматы, 2018. - №4. - С. 52-62. - (Серия математика, механика, информатика)
Рубрики: Программное обеспечение
Кл.слова (ненормированные):
данные -- NetCDF -- система управления базами данных -- база данных -- экологический мониторинг -- информационно-моделирующая система -- приложения -- моделирование -- утилиты -- программное обеспечение -- математическая программа Scilab -- MATLAB -- база данных -- СУБД -- MS SQL -- информатика -- кроссплатформенная программа -- файл
Аннотация: Необходимость разработки формата приложений на основе современных технологий обусловлена актуальностью оптимального функционирования системы экологического мониторинга. Данная система состоит из несколько взаимодействующих модулей. Одна из них «модуль усвоения данных», которая моделирует процесс с применением алгоритма усвоения данных. Для оптимального моделирования необходимо исходные файлы форматом Network Common Data Form (NetCDF), который будет формироваться с разработанного приложения. В работе дается характеристика, особенности, структура формата NetCDF, представлены существующие утилиты и программные обеспечения, инструменты, программы визуализации по работе с данным форматом. Анализируются их назначение, функции. Приведены созданные файлы NetCDF с помощью математической программы Scilab, которая является альтернативой MATLAB. В работе представлена разработанная база данных по загрязнителям атмосферного воздуха. Описана структура основных таблиц : поля, тип данных, описание поля, свойства поля. Для создания базы данных использовалась система управления базами данных (СУБД) MS SQL Приведена реляционная модель созданной базы данных. Показано взаимодействие основных составляющих информационно-моделирующей системы
Держатели документа:
ЗКГУ
Доп.точки доступа:
Искаков , К.Т.
Хасенова , З.Т.
Мынбаева , Б.Н.
Оралбекова , Ж.О.
Мухтарова , Ш.О.
Page 1, Results: 2