Handwritten character recognition using cellular neural networks
Hücresel sinir ağları kullanılarak el yazısı karekterlerin tanınması
- Tez No: 38586
- Danışmanlar: PROF.DR. ZAFER ÜNVER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Karakter Tanıma, Hücresel Sinir Ağlan, Geriyayılım Ağlan, Character Recognition, Cellular Neural Network, Backpropagation Network
- Yıl: 1995
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
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
- Sayısal donanım gerçeklemesine yönelik el yazısı karakter tanıma sistemi tasarımı
Handwritten character recognation system desing for digital hardware implementation
NURULLAH ÇALIK
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT TAVŞANOĞLU
- Vision based handwritten character recognition
Görüş tabanlı elyazısı harf tanınması
ÖZCAN ÖKSÜZ
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. UĞUR GÜDÜKBAY
- Accelerometer based handwritten character recognition using dynamic time warping
Dinamik zaman bükme metodu kullanarak ivmeölçer tabanlı el yazısı karakter tanıma
ESRA TUNÇER
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ZÜBEYİR ÜNLÜ
- Handwritten character recognition and document analysis using deep neural networks
Derin sinir ağları kullanarak el yazısı algılama ve belge analizi
BARIŞ KILIÇLAR
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METEHAN MAKİNACI
- El yazısı karakter tanıma: Dalgacık moment özniteliklerinin yenilenen ANFIS ile sınıflandırılması
Handwritten character recognition: Classification of the wavelet moment features using modified ANFIS
BAYRAM CETİŞLİ
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiY.DOÇ.DR. RİFAT EDİZKAN