Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Computer Systems
Title in original language Neironu tīklu pielietojums rokraksta atpazīšanā
Title in English Application of neural networks in handwriting recognition
Author Muzeeb Ur Rehman -
Department International Cooperation and Foreign Students Department
Scientific advisor Ilze Andersone
Reviewer Jurijs Čižovs
Abstract Bakalaura darbā tiek apskatīti mākslīgo neironu tīklu pielietojumi rokraksta atpazīšanā. Darbs satur strukturētu informāciju par tiešsaistes (online) un bezsaistes (offline) rokraksta atpazīšanas metodēm, iepriekšējo apstrādi, segmentāciju, iezīmju izgūšanu, klasifikāciju un atpazīšanu un mākslīgajiem neironu tīkliem, īpašu uzmanību pievēršot konvolūciju un rekurentajiem neironu tīkliem. Bakalaura darba praktiskajā daļā ir izstrādāts konvolūciju neironu tīkls (CNN), un tas pārbaudīts ar roku rakstītu ciparu no ‘0’ līdz ‘9’ atpazīšanai. Bakalaura darbā ir piecas nodaļas: Ievads, Metožu tipi, Galvenie soļi rokraksta atpazīšanā, Mākslīgo neironu tīklu pielietojumi rokraksta atpazīšanā un Praktiskā daļa. Bakalaura darbs sniedz datu priekšapstrādes rokraksta atpazīšanā nozīmes pamatojumu, kas var tikt izmantota lai uzlabotu atpazīšanas precizitāti, kā arī pamato neironu tīklu nozīmi rokraksta atpazīšanā. Ņemot vērā pētījumu rezultātus, bakalaura darbs demonstrē risinājumu, kā konvolūciju neironu tīkls var tikt izmantots rokraksta atpazīšanā. Konvolūciju neironu tīkls dod iespēju uzlabot atpazīšanas precizitāti, un darba praktiskajā daļā labākais sasniegtais rezultāts ciparu atpazīšanai MNIST datu kopā ir 98.86%. Bakalaura darbs sastāv no 46 lappusēm, tajā ir 38 attēli, 2 tabulas un izmantoti 79 literatūras avoti.
Keywords rokraksta atpazīšana, optiskā simbolu atpazīšana (OCR), priekšapstrāde, segmentācija, mākslīgie neironu tīkli, konvolūciju neironu tīkli
Keywords in English handwriting recognition, optical character recognition (OCR), preprocessing, segmentation, artificial neural network, convolutional neural networks
Language eng
Year 2019
Date and time of uploading 11.01.2019 15:37:11