| 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 |
