Электронный каталог

78
Ш 95
Шувалов, А. В.
    Применение OCR в технологии каталогизации на примере разработки специализированного программного модуля ИРБИС 64 [Текст] / А. В. Шувалов // Научные и технические библиотеки. - 2013. - №12. - С. 101-110
ББК 78

Рубрики: библиотечное дело

Кл.слова (ненормированные):
автоматизация библиотек -- библиографические записи -- каталогизация -- система автоматизации библиотек ИРБИС 64 -- оптическое распознавание символов -- язык BIRMA -- ввод оглавления
Аннотация: Представлен обзор средств, призванных облегчить каталогизации и передать ЭВМ часть функций по заполнению полей при составлении записей.
Держатели документа:
БҚМУ

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.

3
А 15
Әбіш, М.
    Цифрлық мәдени мұра [Текст] / М. Әбіш // Егемен Қазақстан. - 2026 . - 18 ақпан. - №34. - Б. 1,7.
ББК 3

Рубрики: Техника

Кл.слова (ненормированные):
digital -- Мемлекет басшысы -- Ұлттық құрылтайдың бесінші отырысы -- «Ұлттық цифрлық мұра» қорын құру -- Жаңа қор -- e-archive -- e-kitaphana -- e-culture, -- e-museum -- қолданыстағы жүйелермен -- кириллица -- қазақ тілін OCR
Аннотация: Мемлекет басшысы Ұлттық құрылтайдың бесінші отырысында халықтың тарихи жады мен ғылым-білімін жүйелейтін «Ұлттық цифрлық мұра» қорын құру бас­тамасын қолдайтынын айтқан еді. Бұл жоба ұлттық құндылықтарды сақтап, оны терең зерделеуге мүмкіндік береді. Жаңа қор e-archive, e-kitaphana, e-culture, e-museum секілді қолданыстағы жүйелермен, сондай-ақ мемлекеттік, ғылыми және білім беру ұйымдарының дерекқорларымен біріктіріледі. Айта кетейік, бүгінде Ұлттық архив қорының 2 миллион 600 мыңнан аса құжаты цифрландырылған. Ал «Qazaq Culture» платформасы сегіз тілде жұмыс істеп тұр.
Держатели документа:
БҚУ