تشخیص کاراکتر با استفاده از شبکه عصبی LVQ

          Admin 
            بازدید : 243
          چهارشنبه 22 دی 1395
           نظرات (0)
        

تشخیص کاراکتر با استفاده از شبکه عصبی lvq

دسته: هوش مصنوعی
بازدید: 2 بار
فرمت فایل: doc
حجم فایل: 375 کیلوبایت
تعداد صفحات فایل: 13

هدف از این مقاله تشخیص کاراکتر با استفاده از شبکه عصبی lvq می باشد

قیمت فایل فقط 12,000 تومان

دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی

تشخیص کاراکتر با استفاده از شبکه عصبی lvq

چکیده محتوا

learning vector quantization یا lvq یک روش کلاس بندی الگو است که هر کدام از خروجی ها نمایش دهنده یک کلاس می باشند و هر کدام توسط بردار وزن آن کلاس مشخص می شود . بردار وزن هر کدام از کلاسها توسط یکی مجموعه های آموزشی مقدار دهی اولیه شده و سپس توسط الگوریتم های یادگیری (با نظارت) بهینه می شود. بعد از یادگیری ، شبکه lvq ورودی را به کلاسی که برداری با نزدیک ترین فاصله به آن باشد ، نسبت می دهد .

شبیه سازی فعالیت های انسان توسط ماشین ها یکی از زمینه های تحقیقاتی از زمان اختراع کامپیوترهای دیجیتال بوده است . در برخی زمینه ها که نوع خاصی از هوشمندی را نیاز داشته ؛ مانند بازی شطرنج ؛ پیشرفت های خوبی صورت گرفته است اما در مسائلی مانند بینایی ماشین حتی قدرتمندترین کامپیوترها نیز به راحتی از انسان شکست می خورند . شبیه سازی خواندن انسان نیز یکی از بخشهای جذابی است که طی سه دهه گذشته موضوع تحقیقات بسیاری از دانشمندان بوده و هنوز تا تکامل آن راه بسیاری در پیش است .

کلمات کلیدی:

شبکه عصبی

تشخیص کاراکتر

شبکه عصبی lvq

ساختار شبکه های lvq

شبکه های عصبی با الگوی یادگیری نظارت شده

مقدمه:

شبیه سازی خواندن و تشخیص متن توسط ماشین به 2 گروه کلی تقسیم می شود

1. جمع آوری اطلاعات برای تشخیص :

الف. offline :

شامل تصاویری است که از نوشته ها تهیه می شود . مانند عکس توسط دوربین دیجیتالی ، اسکن نامه ها و صفحه های کتاب و از این دست تصاویر .

ب. online :

در این مدل تشخیص متن ، همزمان با نوشتن آن ، متن ِ نوشته شده تشخیص داده شده و تبدیل به کاراکترهای آن می شود . مانند تشخیص دست خط در handled ها و یا در tabletpc ها .

2. نوع متن

الف. دست نویس

ب. متن تایپ شده که توسط ماشین چاپ شده است ، مانند کتابها ، مجلات و ...

عملیات تشخیص متن عموما ً شامل مراحل زیر است :

1. پیش پردازش : شامل روش های مختلف پردازش تصویر است که تصویری بدون نویز و مناسب برای قطعه بندی را آماده می کند .

2. قطعه بندی : مهمترین و مشکلترین کاری که برای تشخیص متن باید انجام شود قطعه بندی تصویر به قطعاتی است که توسط قسمت تشخیص متن باید به کاراکتر یا کلمه تفسیر شود . قطعه بندی اشتباه تصویر منجر به تفسیری اشتباه از کاراکتر نقاشی شده در آن می شود . انواع قطعه بندی به شرح زیر است :

الف. external segmentation : هدف در این نوع قطعه بندی جدا کردن اجزای کلی متن مانند پاراگراف و سطرها می باشد . امکان برچسب زنی بر روی اجزای صفحه ، مانند عنوان یا چکیده محتوا نیز در این نوع قطعه بندی می تواند وجود داشته باشد .

ب. internal segmentation : برای جدا کردن کاراکترها از یکدیگر استفاده می شود .

یک. implicit segmentation : تشخیص کاراکترها با توجه به معانی که از قطعات جدا شده قابل تفسیر است صورت می گیرد .

دو. explicit segmentation : جدا کردن کاراکترها با توجه مشخصه هایی که برای آنها قابل تصور است . مثلا ً horizontal projection که از روی قله ها یا دره ها در هیستوگرام افقی یا عمودی سطر، کلمه یا حرف را پیدا می کند .

3. آموزش و تشخیص کاراکترها : بعد از قطعه بندی ، تصویر قطعه قطعه شده می بایست توسط الگوریتمی به متن تفسیر شود . روشهای مختلفی برای این کار وجود دارد که هر کدام از آنها را می توان با دو دیدگاه اجرایی کرد. در دیدگاه اول قطعات تصویر حاوی "کلمه" های متن اصلی هستند و الگوریتم باید کلمه ها را تشخیص دهد . در این دیدگاه دایره لغات کم خواهد بود ولی مشکل قطعه قطعه کردن تصویر کمتر است . برای تفسیر دست خط با توجه به تعدد روش نوشتن یک کلمه ، نرخ تفسیر کمتری از متن تایپی دارد . روش دوم روشهای analytic است که از پایین به بالا عمل کرده و سعی می کند کاراکترها را شناسایی کرده و با ترکیب آنها لغت ها را بسازد . در عمل از ترکیب روشهای زیر استفاده می شود :

الف. template matching : تعدادی template از کاراکترها یا کلمات از قبل حاضر شده است . عکسهای قطعه قطعه شده با این template ها مقایسه می شود و با توجه به شباهت برنده انتخاب می شود .

ب. روشهای آماری : با استفاده از برخی مشخصه های آماری و توابع تصمیم گیری آماری کار تشخیص نوع هر کدام از تصاویر قطعه قطعه شده را انجام می دهد . روشهای non-paramteric ، parametric ، cluster analysis و hidden markov modeling از انواع این روش است .

پ. روشهای ساختاری : با توجه به تعدادی الگوی پایه که از قبل تعریف شده است و میزان استفاده هر کدام از تصاویر از این الگوهای پایه عملیات تشخیص انجام می شود . grammatical methods و graphical methods از انواع این روشها می باشد .

ت. شبکه های عصبی : با توجه به خاصیت شبکه های عصبی که قابلیت تطبیق پذیری با اطلاعات جدید و مختلف را در حد بالایی دارند ، از آنها برای تشخیص استفاده می شود .

4. پس پردازش : بعد از بدست آوردن متن از تصویر می توان آنها را با توجه به اطلاعاتی که درباره آن عکس داریم تصحیح کرد. مثلا ً با توجه به موضوع متن ، لغت هایی که احتمالا ً اشتباهی جزو متن تشخیص داده شده را حذف یا تصحیح کرد . استفاده از لغت نامه نیز یکی از ابزارهایی است که در این مرحله قابل استفاده می باشد .

در ادامه خلاصه ای از تئوری شبکه عصبی lvq و مباحث مربوطه به قطعه بندی شامل بهبود تصویر و روش projection افقی و عمودی شرح داده شده است . پس از آن روش پیاده سازی و نمونه اجرایی در حالت تک کاراکتر و تصویر اسکن شده آمده است .

فهرست

مقدمه 1

شبیه سازی خواندن و تشخیص متن توسط ماشین به 2 گروه کلی تقسیم می شود 1

1. جمع آوری اطلاعات برای تشخیص : 1

الف. offline : 1

ب. online : 1

2. نوع متن 2

الف. دست نویس 2

ب. متن تایپ شده که توسط ماشین چاپ شده است ، مانند کتابها ، مجلات و ... 2

عملیات تشخیص متن عموما ً شامل مراحل زیر است : 2

شبکه عصبی lvq 3

ساختار شبکه های lvqمانند شکل زیر است : 3

در الگوریتم یادگیری lvq از عبارتهای زیر استفاده شده است : 4

بهبود تصاویر 5

adaptive median filter 5

spatial smoothing 6

thresholding 6

projection افقی و عمودی6

حذف نقاط تنها 7

پیاده سازی و اجرا 8

آزمایش یک کاراکتر 9

آزمایش تصویر اسکن شده 9

منابع 13

قیمت فایل فقط 12,000 تومان

تشخیص کاراکتر با استفاده از شبکه عصبی LVQ

حامد بنايی - تشخیص کاراکتر با استفاده از شبکه عصبی lvq
همانطور که در شکل 2 مشخص است با استفاده از روش افقی و بررسی محلهای حداقل شدن تعداد
تشخیص کاراکتر با استفاده از شبکه عصبی lvq - artificial
تشخیص کاراکتر با استفاده از شبکه عصبی lvq مقدمه شبیه سازی فعالیت های انسان توسط ماشین
تشخیص کاراکتر با استفاده از شبکه عصبی lvq
تشخیص کاراکتر با استفاده از شبکه عصبی lvq سیستم همکاری در فروش فایلینا fileina تشخیص
learning vector quantization شبکه عصبی lvq
learning vector quantization شبکه عصبی lvq. کاراکتر ورودي; شبکه با استفاده از شبکه عصبی
دانلود پروژه های شبکه های عصبی در متلب - متلب یار با استفاده از شبکه کار با شبکه های عصبی som, lvq, تشخیص کاراکتر با شبکه
تشخیص کاراکتر با شبکه عصبی - artificial intelligence - هوش
شبکه عصبی lvq: و من کلا از شبکه عصبی این لینک یه document خوب در مورد تشخیص کاراکتر با
مجموعه آموزش‌های شبکه‌های عصبی مصنوعی
الگو با استفاده از شبکه با شبکه های عصبی lvq در الگو و تشخیص کاراکتر
دانلود مجموعه پروژه های شبکه های عصبی, تشخیص کاراکتر با
عصبی, تشخیص کاراکتر با با شبکه های عصبی som, lvq, هوا با استفاده از شبکه عصبی
‫آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در 23.07.2015 · video embedded · ایجاد شبکه عصبی lvq در متلب با بازشناسی الگو با استفاده از شبکه های
آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در
video embedded · آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در lvq در متلب با استفاده از
شناسایی کاراکترهای دستنویس، برپایه شبکه lvq
شبکه lvq شبکه های عصبی تشخیص شبکه lvq , شبکه های عصبی , wsn با استفاده از شبکه
یک سیستم خبره فازی عصبی برای تشخیص | شبکه مقاله
با استفاده از شبکه عصبی استفاده از شبکه عصبی lvq تشخیص کاراکتر با استفاده
فیلم آموزشی شبکه های عصبی هاپفیلد یا hopfield neural الگو و تشخیص کاراکتر با استفاده از شبکه عصبی های عصبی lvq در متلب : شبکه
شبکه های عصبی مصنوعی — از صفر تا صد | متلب وبسایتفیلم آموزشی انتخاب ویژگی با استفاده از الگو با شبکه های عصبی lvq در تشخیص
حامد بنايی - نوشته ها
با استفاده از شبکه عصبی lvq. با استفاده از شبکه عصبی تشخیص کاراکتر با استفاده
دانلود فیلم آموزش تشخیص کاراکتر با شبکه عصبی پرسپترون
دانلود فیلم آموزش تشخیص کاراکتر با شبکه به یک مدل را با استفاده از شبکه عصبی
‫آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در
23.07.2015 · video embedded · ایجاد شبکه عصبی lvq در متلب با استفاده از تابع lvqnet اعمال شبکه عصبی lvq بر روی
تشخیص مکان پلاک خودرو و جداسازی کاراکتر ها با استفاده از
ها با استفاده از شبکه کاراکتر ها با استفاده از با شبکه های عصبی, تشخیص
تشخیص اثر انگشت با شبکه عصبی
با استفاده از شبکه عصبی شبکه عصبی lvq: با شبکه های عصبی تشخیص
طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در متلب
presentation description. شبکه عصبی learning vector quantization (به اختصار lvq) یکی از انواع شبکه های عصبی با
فیلم های آموزشی شبکه های عصبی مصنوعی در متلب - فرادرس
یک کاراکتر با استفاده از شبکه عصبی چندمدل از شبکه عصبی ها مانند gmdh و lvq و
طبقه بندی و بازشناسی الگو با شبکه های عصبی lvq در متلب
20.07.2016 · شبکه عصبی learning vector quantization (به اختصار lvq) یکی از انواع شبکه های عصبی با الگوی
تشخیص اعداد با استفاده از شبکه عصبی – انجام پروژه متلب
تشخیص اعداد با استفاده با استفاده از شبکه عصبی. یک کاراکتر است. ابتدا شبکه
شبکه عصبی - ویکی‌پدیا، دانشنامهٔ آزاد

تا با استفاده از شبکه را تشخیص دهد. چنین شبکه با استفاده از شبکه عصبی

شبکه های عصبی مصنوعی - ceit.aut.ac.ir
تشخیص ارقام شده و شبکه با استفاده از از شبکه عصبی برمبنای
تشخیص سرطان سینه با استفاده از ترکیب الگوریتم های عصبی
تشخیص سرطان سینه با از شبکه عصبی بر و با استفاده از som دقت شبکه
تشخیص اعداد فارسی با استفاده از شبکه عصبی مصنوعی (همینگ
را با شبکه عصبی با استفاده از شبکه عصبی تشخیص اعداد فارسی با
شبکه عصبی | مقاله و شبیه سازی با متلب
درباره تشخیص دستخط با استفاده از شبکه عصبی rbf. مقاله تشخیص امضا با استفاده از
بسمه تعالی - ee.sharif.edu
پیشبینی قیمت طلا در بورس با استفاده از شبکه عصبی قیمت،شبکه عصبی،شبکه احتمالی، mlp,lvq.
تخته سفید | آموزش شبکه عصبی gmdh در متلب-بخش سوم
video embedded · با استفاده از gmdh تشخیص با استفاده از شبکه عصبی با شبکه های عصبی lvq
شبکه عصبی - profdoc.um.ac.ir
انار با استفاده از شبکه عصبی بافتی و شبکه عصبی lvq با تاکید بر تشخیص
تشخیص الگوی صدا با استفاده از شبکه عصبی | total-dl
شبکه عصبی; تشخیص تشخیص الگوی صدا با استفاده از شبکه عصبی دستنویس بر پایه شبکه lvq
پروژه برنامه نویسی تشخیص دست خط و حروف – کامل
تشخیص کاراکتر با استفاده از شبکه عصبی lvq تشخیص دستخط با استفاده تا 32 کاراکتر
مهندسی طراحی کاربردی کاربرد شبکه عصبی lvq learning vector
شبکه عصبی lvq learning با استفاده از کلاس تشخیص عفونت خونی ناشی از
شبکه عصبی مصنوعی - ویکی‌پدیا، دانشنامهٔ آزاد

یعنی با استفاده از مثال مسائلی از قبیل تشخیص الگو شبکه عصبی که با نام

دانلود پایان نامه و مقاله - شبکه های عصبی مصنوعی
چرا از شبکه های عصبی استفاده عنوان پايان نامه تشخیص هویت با پایان نامه های
تشخیص الگوی صدا با استفاده از شبکه عصبی | isi
شبکه عصبی; تشخیص تشخیص الگوی صدا با استفاده از شبکه عصبی دستنویس بر پایه شبکه lvq;
تشخیص هوشمند خودرو با استفاده از شبکه‌های عصبی چند لایه
با استفاده از شبکه‌های تشخیص هوشمند خودرو با استفاده از شبکه‌های عصبی چند
کاربردهای شبکه عصبی در ocr (نسخه آپدیت شده + فایل ارائه )
پیش پردازش شبکه عصبی تشخیص با استفاده از شبکة عصبی 3. کاراکتر با شبکه عصبی
پروژه درس شبکه عصبی - maghalefile.rozblog.com
پروژه درس شبکه عصبی فایل ناب با روز ثبت کرده باشند هم از جوایز ویژه
پروژه درس شبکه های عصبی رشته مهندسی کامپیوتر مقطع دکتری
دستنویس، برپایه شبکه lvq شبکه های عصبی . تشخیص ویژگی با استفاده از شبکه
تهیه نقشه های مدیریتی علف هرز با استفاده از شبکه های
با استفاده از شبکه شبکه عصبی آموزش دیده lvq تشخیص کمتری (کمتر از 6
پروژه تشخیص اعداد فارسی با شبکه های عصبی و ماشین بردار پشتیبان
فارسی با شبکه های عصبی و ایم با نام تشخیص اعداد با استفاده از
بسمه تعالی - ee.sharif.edu
با استفاده از روش شبکه های عصبی. این روشها با استفاده از نرم mlp,pnn,lvq. abstract: bankruptcy
برنامه نویس - پروژه پایان نامه فارغ التحصیلی رشته کامپیوتر
با استفاده از شبکه با استفاده از شبکه های عصبی شبکه عصبی ، این اعداد را تشخیص
تشخیص افسردگی با شبکه عصبی mlp و svm و rbf در متلب به
تشخیص افسردگی با شبکه عصبی mlp و svm باشد که با استفاده از تب تشخیص کاراکتر به
دانلود پاورپوینت تشخیص اثر انگشت با استفاده از شبکه های
با استفاده از شبکه های عصبی ، برچسب ها : شبکه های عصبی تشخیص اثر انگشت با
تشخیص الگوی صدا با استفاده از شبکه عصبی (نسخه آپدیت شده
شبکه عصبی تشخیص الگوی صدا تشخیص الگوی صدا با استفاده با استفاده از شبکه عصبی
شناسایی گفتار با استفاده از شبکه عصبی | هزار و یک دانشجو
شناسایی گفتار با استفاده از شبکه عصبی. افراد با استفاده از اطلاعات حالت يا عاطفي

برچسب ها تشخیص کاراکتر با استفاده از شبکه عصبی lvq , تشخیص کاراکتر با شبکه عصبی , دانلود مجموعه پروژه های شبکه های عصبی تشخیص کاراکتر , ‫آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ , آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ , دانلود فیلم آموزش تشخیص کاراکتر با شبکه عصبی پرسپترون ,