Bilgisayar destekli el yazısı karakterlerini tanıma sistemi tasarımı
Computer aided handwriting character recognition system design
- Tez No: 183990
- Danışmanlar: YRD. DOÇ. DR. OĞUZHAN ÖZTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZETB LG SAYAR DESTEKL EL YAZISI KARAKTERLER N TANIMA S STEMTASARIMIÖrüntü tanıma (Pattern recognition) bilim disiplininin amacı nesneleri birkategoriye koymak veya sınıflamaktır. Bu nesneler, uygulamaya göre görüntü, sesya da sınıflandırılması istenen başka bir işaret olabilir ve genel olarak örüntü(pattern) diye adlandırılır.Bu çalışma örüntü tanımanın dallarından biri olan karakter (harf veya sayı)tanıma uygulamasıdır. Karakterlerin tanınmasında birkaç metodoloji kullanılır.Bunlardan biri yapay sinir ağlarına dayanan tanıma işlemidir. YSA (Yapay SinirAğları), biyolojik sinir ağlarını taklit eden bilgisayar programlarıdır [1]. Bir çokYSA tipi bulunmakla birlikte, en çok kullanılan sinir ağı yapısı, leri BeslemeliGeri Yayılımlı YSA olarak bilinendir. Belirsiz, gürültülü ve eksik bilgilerinişlenmesinde yapay sinir ağları başarıyla kullanılmaktadır. Klasik bilgisayarlarbilgiyi belleğinde belirli bir yerde saklar, sinir ağları ise bilgiyi tüm ağ boyuncadağıtır. Bu durum dağıtılmış bellek olarak bilinir [2].Yapay sinir ağları, algoritmaları çıkarılamayan problemler için, çözüm sağlayanyeni ve güvenli bir bilgi işleme sistemi olabilmektedir. Yapılan çalışma bu durumiçin uygun bir örnek niteliği taşımaktadır.Bu çalışmada öncelikle geriye yayılım (backpropagation) öğrenme algoritmasıkullanılarak el yazısı karakterlerini tanıma sistemi geliştirilmiştir. Oluşturulangeriye yayılım yapay sinir ağının parametre performansları grafiksel olarakincelenmiştir. Ve ağ performansını yükseltecek parametre değerleri bulunmuştur.kinci olarak ise Shashank'ın öğrenme algoritması kullanılarak karakter tanımasistemi tasarlanmıştır. Test aşamasında Shashank' ın geliştirdiği adaylık skoru(candidate score), ideal ağırlık modeli skoru (ideal weight model score) ve tanımabölüm (recognition quotient) değerleri kullanılmıştır.Sonuç olarak ise bu iki algoritmanın performans ve eğitim sürelerikarşılaştırılmıştır. yi eğitilmiş geriye yayılım ağının Shashank ağına göreüstünlüğü gösterilmiştir. Geriye yayılım ağının eğitim süresi ise Shashank ağınıneğitim süresine oranla çok daha fazladır.Pelin ARAS.Ü. Bilgisayar Müh.Fen Bilimleri Enstitüsü
Özet (Çeviri)
SUMMARYCOMPUTER AIDED HANDWRITING CHARACTER RECOGNITIONSYSTEM DESIGNThe target of pattern recognition science is to categorize or classify of objects.These objects can be image, voice, speech or another sign according to theapplication. And generally they are named as pattern.This thesis is an application of character recognition that is one of the branches ofpattern recognition. In character recognition a lot of methods are used. One ofthem is artificial neural networks. ANN is a computer program that imitatesbiological neural network [1]. There are a lot ANN types but the most used is feedforward backpropagation neural networks. Artificial neural networks performwith ambigious, noisy and defected data well. Traditional computer systems keepdata in a particular place in memory. But neural networks distribute data all overthe network. This is called distributed memory [2].ANN is a new and safety data operating system that produces solutions forproblems difficult to obtain algorithm. This study is a sample of that.In this work, a handwritten characters recognition system has been developedusing backpropagation learning algorithm first. Parameter performance ofbackpropagation neural network was analyzed with graphics. And the parametervalues that increase system performance were determined. Secondary, the systemhas been developed again using Shashank?s learning algorithm. In test step,Shashank?s candidate score, ideal weight model score and recognition quotientvalues were used.As a result, performance and training time of two algorithms are compared. And itis shown that a well trained neural network with backpropagation learningalgorithm is more superior than Shashank network. On the other hand thetraining of network using backpropagation algorithm takes much more time thanShashank algorithm.Pelin ARAS.Ü. Bilgisayar Müh.Fen Bilimleri Enstitüsü
Benzer Tezler
- Bilgisayar destekli tasarımda sonlu eleman analizi için otomatik ağ yapısı oluşturulması
Automatic mesh generation techniques for finite element analysis
DERYA VAROL
- Karmaşık dokuma yapılarının bilgisayarda simülasyonu yöntemi ile tasarımı
Design of complex woven fabric structures by the method of computer simulation
FULYA SOYHEPTEMİZ
Yüksek Lisans
Türkçe
2002
Tekstil ve Tekstil MühendisliğiDokuz Eylül ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNGÖR BAŞER
- Palplanşlı yanaşma yapılarının kompüter destekli geoteknik analizi ve projelendirilmesi
Başlık çevirisi yok
EREN ÜLKÜDAŞ
Yüksek Lisans
Türkçe
1992
Su ÜrünleriDokuz Eylül ÜniversitesiDeniz Teknolojisi Mühendisliği Ana Bilim Dalı
- Computer aided design of the self oscillating microwave mesfet mixer
Kendinden uyarmalı çift geçitli GaAs mesfet karıştırıcının bilgisayar destekli tasarımı
AHMAD HAKİMİ DARSİNOOİEH
Yüksek Lisans
İngilizce
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. OSMAN PALAMUTÇUOĞULLARI