Geri Dön

Appliying neural networks to character recognition

Sinir ağlarının karakter tanımlamasında uygulanması

  1. Tez No: 168732
  2. Yazar: MAHMUD SAAD SHERTİL
  3. Danışmanlar: PROF.DR. ALİ SEBETCİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Optiksel karakter Tanımlaması, Sinir Ağlan, Ağ Optimizasyonu, Geri dağılım. iv, Optical Character Recognition, Neural Networks, Network optimization, Backpropagation iii
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

ÖZ SINIR AĞLARININ KARAKTER TANIMLAMASINDA UYGULANMASI Mahmud Saad Shertil Yüksek Lisans, Bilgisayar Mühendisliği Tez Yöneticisi: Asst. Prof. Dr. Ali SEBETCİ Haziran 2005, 79 Sayfa Optiksel karakter tanımlaması (OKM) atomik model tanımlamasında dünyada en yaygın kullanılan uygulamalardan biridir ve 1950'li yıllardan bu yana oldukça aktif bir araştırma alanına sahiptir. Günümüzde bu alanda kullanılmakta olan bir takım algoritmalar ve bu algoritmalarında her birinin kendine özgü zayıf ve güçlü yanları mevcuttur.Bu tez çalışmasında katman sayısı ve her katmanda bulunan sinir sayısı göz önünde bulundurularak ve geri dağılım şebekesine 2 farklı yaklaşımda bulunularak 2 farklı veri kümesi oluşturduk ve bu yolla sinir ağlan için en iyi topolojiyi araştırdık. Daha sonra sonuçlan karşılaştırarak elde edilen optimum parametre kümesinin hem el yazısı hem de bilgisayar karakter çıktısı için geçerli olduğunu gösterdik. Sözü geçen karakter veri kümesi 16 farklı özellikli 20000 örnek ve 26 sınıftan oluşmaktadır.Burada sonuçlarımızı doğrudan etkileyen sınıf sayısının özellik sayısından sayıca daha fazla olduğu görünmektedir. El yazımı karakterlerden oluşan 2. veri kümesi ise 64 özellikli 5620 örnek ve 10 farklı sınıftan oluşmaktadır.Buradan sonuçların birinci veri kümesinden daha iyi olduğunu gözlemliyoruz.

Özet (Çeviri)

ABSTRACT APPLYING NEURAL NETWORKS TO CHARACTER RECOGNITION Mahmud Saad Shertil Ms, Department of Computer Engineering Supervisor: Asst. Prof. Dr. Ali SEBETCÎ June 2005, 79 Pages Optical Character Recognition (OCR) is one of the most widely used applications of automatic pattern recognition and it is a very active research field since the 50's. Today there are numerous algorithms that perform this task, each with its own strengths and weaknesses. In this thesis we explore neural networks to find the best topology regarding the number of layers and the number of neurons at each layer by classifying two different datasets using backpropagation networks with two different approaches. We then compare the results between them and show that the obtained optimum set of parameters is valid for both printed letter and the handwritten digits. Moreover the letter dataset consists of sixteen features with 20000 samples and twenty-six classes. Here we see that the number of classes is more than the number of features which affects our results. The second dataset which is handwritten digits consists of sixty-four features with 5620 samples and ten classes. Here we see that the results are better than the first dataset

Benzer Tezler

  1. Görüntü işleme yöntemleri ile yüzey üzerine oyulmuş karakterlerin tanınması

    The recognition of engraving character on the surface with image processing methods

    MAHMUT SAMİ YASAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN ERDİNÇ KOÇER

  2. Yapay sinir ağları ile optik karakter tanıma

    Optical character recognition with artificial neural network

    MURATCAN UZTEMUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. AFİFE LEYLA GÖREN SÜMER

  3. El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları

    Deep learning approaches in handwritting character recognition and image classification

    AOUDOU SALOUHOU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BERNA KİRAZ

  4. Nicemlenmiş yerel zernike momentlerle trafik işaretlerinin sınıflandırılması

    Traffic sign classification with quantized local zernike moments

    EMRAH BAŞARAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHİTTİN GÖKMEN

  5. Otomatik araç plaka tanıma sistemi

    Automatic car license plate recognition system

    İSMAİL IRMAKÇI

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik MühendisliğiEge Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DOÇ. DR. AYDOĞAN SAVRAN