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. Tez No

    84335

    Yapay sinir ağı kullanarak el yazısı rakam tanıma

    Recognition of handwritten numerals by using neural network

    HASAN HÜSEYİN ÇELİK

    Doktora

    Türkçe

    Türkçe

    1999

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    PROF. DR. İHSAN GÖK

  2. Tez No

    47448

    Integrated segmentation and recognition of handwritten digits

    Elyazı rakamların birleştirilmiş tanıma ve bölütlendirilmesi

    HAKAN AYGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Y.DOÇ.DR. ETHEM ALPAYDIN

  3. Tez No

    96706

    Kestirim öğrenmeli bulanık denetimli otonom taşıtlar için doku benzersizliği kullanılarak stabilize yol belirleme

    Stabilized road recognition using texture dissimilarities for autonomous vehicles with fuzzy control and forecast learning

    HASAN KARAL

    Doktora

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RIFAT YAZICI

  4. Tez No

    10530

    An Ottoman character recognizer

    Başlık çevirisi yok

    MUSTAFA ÖZÇİLİNGİR

    Yüksek Lisans

    İngilizce

    İngilizce

    1990

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEŞE YALABIK

  5. Tez No

    28866

    Character recognition using implicit polynomials

    Başlık çevirisi yok

    MEHMET HAMDİ ÖZÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AYTÜL ERÇİL

Geri Dön