手書きアラビア数字認識のための深層学習オートエンコーダアプローチ【JST・京大機械翻訳】

Loey Mohamed; El-Sawy Ahmed; EL-Bakry Hazem

プレプリント

J-GLOBAL ID：202202213449922890 整理番号：22P0041128

手書きアラビア数字認識のための深層学習オートエンコーダアプローチ【JST・京大機械翻訳】

Deep Learning Autoencoder Approach for Handwritten Arabic Digits Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2017年06月20日プレプリントサーバーでの情報更新日： 2017年06月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,アラビア語手書き数字分類のための積層オートエンコーダ(SAE)による新しい教師なし学習アプローチを提案した。最近,アラビア手書き数字認識は,いくつかの分野におけるその応用により重要な分野である。本研究は,人間の手書きと大きな公開データベースにおける無制限変化を含む,いくつかの課題に直面している手書きアラビア数字認識の認識部分に焦点を当てた。アラビア数字は,インドの数字システムから下降した10の数字を含む。攻撃されたオートエンコーダ(SAE)は,10000の試験画像と60000の訓練画像を含むMADBaseデータベース(アラビア手書き数字画像)を試験,訓練した。SAEの使用は,異なる機械学習分類アルゴリズムで著しい改善をもたらすことを示した。SAEは98.5%の平均精度を与える。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る