Geri Dön

Handwritten character recognition using cellular neural networks

Hücresel sinir ağları kullanılarak el yazısı karekterlerin tanınması

  1. Tez No: 38586
  2. Yazar: SELMA DURAN
  3. Danışmanlar: PROF.DR. ZAFER ÜNVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Karakter Tanıma, Hücresel Sinir Ağlan, Geriyayılım Ağlan, Hücresel sinir ağları, Character Recognition, Cellular Neural Network, Backpropagation Network, Cellular neural networks
  7. Yıl: 1995
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZ HÜCRESEL SİNİR A?LARI KULLANILARAK ELYAZISI KARAKTERLERİN TANINMASI DURAN, Selma Yüksek Lisans Tezi, Elektrik ve Elektronik Mühendisliği Anabilim Dalı Tez Yöneticisi: Prof.Dr. Zafer ÜNVER Ocak, 1995, 44 sayfa. Bu çalışmada, hücresel sinir ağlarına dayalı elyazısı karakterleri tanıma sistemi uygulanmıştır. Uygulanan sistem temel olarak özellik çıkartma ve karar verme kısımlarından oluşmaktadır. Özellik çıkartmada hücresel sinir ağlan, karar vermede ise geriyayılım ve hücresel sinir ağlan kullanılmıştır. Sistemin performansı farklı kişilerden alman elyazısı karakterler ile test edilmiştir. Sistemin ortalama doğru tanıma oranı geriyayılım ağlan için %80, hücresel sinir ağlan için %70'tir.

Özet (Çeviri)

ABSTRACT HANDWRITTEN CHARACTER RECOGNITION USING CELLULAR NEURAL NETWORKS DURAN, Selma M.S. in Electrical and Electronics Engineering Supervisor: Prof.Dr. Zafer ÜNVER January, 1995, 44 pages. In this study, a Cellular Neural Network (CNN) based handwritten character recognition system is implemented. The implemented system mainly consists of feature extraction part and decision part. CNNs are used for feature extraction, and a two layer backpropagation and a CNN are used for decision. Performance of the system is tested by using handwritten characters of different persons. The average recognition rate is 80% for the backpropagation network, and 70% for the CNN.

Benzer Tezler

  1. Sayısal donanım gerçeklemesine yönelik el yazısı karakter tanıma sistemi tasarımı

    Handwritten character recognation system desing for digital hardware implementation

    NURULLAH ÇALIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. VEDAT TAVŞANOĞLU

  2. Image processing using cellular neural networks

    Hücresel yapay sinir ağları ile görüntü işleme

    ERTUĞRUL SAATÇI

    Doktora

    İngilizce

    İngilizce

    2003

    Elektrik ve Elektronik MühendisliğiLondon South Bank Unıversıty

    Elektrik ve Elektronik Ana Bilim Dalı

    PROF. DR. NEIL ALFORD

  3. Geçmişte, günümüzde syphilis (frengi)

    Syphilis today and in the past

    BELKIS ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    DermatolojiUludağ Üniversitesi

    Deontoloji ve Tıp Tarihi Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL DEMİRHAN ERDEMİR

  4. Dinamik absorberlerle titreşim kontrolu

    Başlık çevirisi yok

    M.ALAEDDİN ARPACI

    Doktora

    Türkçe

    Türkçe

    1984

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. MUSTAFA SAVCI

  5. Bir küresel reflektör üzerinde uyarılan yüzey akımları

    Surface currents induced on a perfectly conducting spherical reflector

    TANER ŞENGÖR