| 000 | 07378nla2a2200577 4500 | ||
|---|---|---|---|
| 001 | 247927 | ||
| 005 | 20231029212124.0 | ||
| 035 | _a(RuTPU)RU\TPU\book\269554 | ||
| 090 | _a247927 | ||
| 100 | _a20140116d2013 k y0rusy50 ca | ||
| 101 | 0 | _arus | |
| 102 | _aRU | ||
| 135 | _adrnn ---uucaa | ||
| 181 | 0 | _ai | |
| 182 | 0 | _ab | |
| 200 | 1 |
_aРазработка системы оптического распознавания символов на основе совместного применения вероятностной нейронной сети _bЭлектронный ресурс _fП. А. Хаустов, Д. С. Григорьев, В. Г. Спицын |
|
| 203 |
_aТекст _cэлектронный |
||
| 215 | _a1 файл (260 Kb) | ||
| 225 | 1 | _aИнтеллектуальные системы | |
| 230 | _aЭлектронные текстовые данные (1 файл : 260 Kb) | ||
| 300 | _aЗаглавие с титульного листа | ||
| 300 | _aЭлектронная версия печатной публикации | ||
| 320 | _a[Библиогр.: с. 104 (10 назв.)] | ||
| 330 | _aСуществует множество подходов к решению задачи оптического распознавания символов. Одним из них является нейросетевой метод распознавания, в котором для классификации используется нейронная сеть с топологией многослойного персептрона. Нами разработан и представлен метод для анализа и классификации символов на основе применения вейвлетпреобразования для сокращения пространства признаков и вероятностной нейронной сети. Преимуществом вероятностной нейронной сети как классификатора является возможность использования вероятностного смысла выходных значений сети для улучшения качества распознавания. Осуществлен выбор оптимальной конфигурации параметров метода. Проанализированы результаты численных экспериментов по распознаванию символов, и проведена оценка быстродействия метода. В качестве исходных данных для тестирования предложенного метода использовались наборы символов с наличием пиксельного шума. Предложенный метод показал приемлемые результаты в 98 % правильно классифицированных символов. | ||
| 330 | _aThere are a lot of approaches to solve the problem of optical character recognition. One of them is the approach based on neural networks. The authors have proposed and implemented an approach of analyzing and classification based on wavelet transformation for reducing the feature space and probabilistic neural network for recognition. The main advantage of probabilistic neural network is the probabilistic significance of its output neurons which can be used to improve the quality of recognition. Optimal values of parameters were selected for such approach. The results of numerical experiments were analyzed and the time-performance of this approach was assessed. The set of noisy character images was used to assess the proposed approach. This method showed 98 % of acceptable recognition. | ||
| 337 | _aAdobe Reader | ||
| 453 |
_tThe development of optical character recognition approach on the basis of joint application of probabilistic neural network and wavelet transform _otranslation from Russian _fP. A. Khaustov, D. S. Grigoryev, V. G. Spitsyn _cTomsk _nTPU Press _d2013 _aKhaustov, P. A. |
||
| 461 | 1 |
_0(RuTPU)RU\TPU\book\176237 _tИзвестия Томского политехнического университета [Известия ТПУ] _fТомский политехнический университет (ТПУ) _d2000- |
|
| 463 | 1 |
_0(RuTPU)RU\TPU\book\269043 _x1684-8519 _tТ. 323, № 5 : Управление, вычислительная техника и информатика _v[С. 101-105] _d2013 _p184 с. |
|
| 610 | 1 | _aтруды учёных ТПУ | |
| 610 | 1 | _aэлектронный ресурс | |
| 610 | 1 | _aоптическое распознавание | |
| 610 | 1 | _aсимволы | |
| 610 | 1 | _aвероятностная нейронная сеть | |
| 610 | 1 | _aвероятностные оценки | |
| 610 | 1 | _aвейвлет-преобразования | |
| 610 | 1 | _aвейвлеты Хаара | |
| 610 | _aoptical character recognition | ||
| 610 | _aprobabilistic neural network | ||
| 610 | _aprobabilistic assessment | ||
| 610 | _awavelet transform | ||
| 610 | _awavelets | ||
| 700 | 1 |
_aХаустов _bП. А. _cроссийский ученый, специалист в области информационных систем _cзаведующий лабораторией Томского политехнического университета _f1990- _gПавел Александрович _2stltpush _3(RuTPU)RU\TPU\pers\30104 _6z01712 |
|
| 701 | 1 |
_aГригорьев _bД. С. _cспециалист в области информатики и вычислительной техники _cассистент Томского политехнического университета _f1991- _gДмитрий Сергеевич _2stltpush _3(RuTPU)RU\TPU\pers\46946 _6z02712 |
|
| 701 | 1 |
_aСпицын _bВ. Г. _cспециалист в области информатики и вычислительной техники _cпрофессор Томского политехнического университета, доктор технических наук _f1948- _gВладимир Григорьевич _2stltpush _3(RuTPU)RU\TPU\pers\22707 _6z03712 |
|
| 712 | 0 | 2 |
_aНациональный исследовательский Томский политехнический университет (ТПУ) _bИнститут кибернетики (ИК) _bКафедра вычислительной техники (ВТ) _h126 _2stltpush _3(RuTPU)RU\TPU\col\18699 _6z01700 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский политехнический университет (ТПУ) _bИнститут кибернетики (ИК) _bКафедра вычислительной техники (ВТ) _h126 _2stltpush _3(RuTPU)RU\TPU\col\18699 _6z02701 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский политехнический университет (ТПУ) _bИнститут кибернетики (ИК) _bКафедра вычислительной техники (ВТ) _h126 _2stltpush _3(RuTPU)RU\TPU\col\18699 _6z03701 |
| 801 | 2 |
_aRU _b63413507 _c20210902 _gPSBO |
|
| 856 | 4 | _uhttp://earchive.tpu.ru/bitstream/11683/5067/1/bulletin_tpu-2013-323-5-17.pdf | |
| 942 | _cCF | ||