Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Neironu tīklu pielietojums rokraksta atpazīšanā
Nosaukums angļu valodā Application of neural networks in handwriting recognition
Struktūrvienība 33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Darba vadītājs Ilze Andersone
Recenzents Jurijs Čižovs
Anotācija 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.
Atslēgas vārdi rokraksta atpazīšana, optiskā simbolu atpazīšana (OCR), priekšapstrāde, segmentācija, mākslīgie neironu tīkli, konvolūciju neironu tīkli
Atslēgas vārdi angļu valodā handwriting recognition, optical character recognition (OCR), preprocessing, segmentation, artificial neural network, convolutional neural networks
Valoda eng
Gads 2019
Darba augšupielādes datums un laiks 11.01.2019 15:37:11