Алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні

2017;
: сс. 98 - 106
1
Національний університет «Львівська політехніка», кафедра електронних обчислювальних машин
2
Національний університет «Львівська політехніка», кафедра електронних обчислювальних машин

Розглянуто алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні за алгоритмом логістичної регресії та побудови штучної нейронної мережі (ШНМ). Здійснено порівняльний аналіз цих двох підходів. Виконано тестування рукописних цифр. Встановлено, що краща якість розпізнавання досягається у разі використання штучної нейронної мережі.

  1. Expression of images recognition [Electronic resource], wiki, Access mode: https://uk.wikipedia.org/wiki/Requirements recognition.
  2. Lukin V. E. Analysis of the use of technology of artificial neural networks as a new approach to signal processing, V. Lukin, Telecommunication and information technologies, 2014 – P. 81–82.
  3. Artificial_neuronal_network [Electronic resource], wiki, Access mode: https://uk.wikipedia.org/wiki/New_neuronal_network.
  4. What is machine learning [Electronic resource], Coursera, Access mode: https://www.coursera.org/learn/machinelearning/supplement/aAgxl/what-is-...
  5. Machine learning [Electronic resource], Coursera, Access mode: https://www.coursera.org/learn/machine-learning/home/week/3.
  6. Backpropagation algorithm [Electronic resource], Coursera, Access mode: https://www.coursera.org/learn/machine-learning/supplement/pjdBA/backpro....
  7. How the backpropagation algorithm works [Electronic resource], Neuralnetworksanddeeplearning, Access mode: http://neuralnetworksanddeeplearning.com/chap2.html.
Парамуд Я. С. Алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні / Я. С. Парамуд, В. І. Яркун // Вісник Національного університету «Львівська політехніка». Серія: Комп’ютерні системи та мережі. — Львів : Видавництво Львівської політехніки, 2017. — № 881. — С. 98–106.