TAILIEUCHUNG - Nhận dạng chữ số viết tay dựa trên mạng nơ ron tích chập sâu

Bài viết trình bày một phương pháp học sâu để so sánh với các phương pháp dựa trên các kỹ thuật thống kê đã có để giải quyết bài toán nhận dạng chữ số viết tay. | Nhận dạng chữ số viết tay dựa trên mạng nơ ron tích chập sâu TẠP CHÍ KHOA HỌC Khoa học Tự nhiên và Công nghệ, Số 14 (4/2019) NHẬN DẠNG CHỮ SỐ VIẾT TAY DỰA TRÊN MẠNG NƠ-RON TÍCH CHẬP SÂU Nguyễn Văn Tú, Hoàng Thị Lam, Nguyễn Thị Thanh Hà Trường Đại học Tây Bắc Tóm tắt: Trong lĩnh vực xử lý ảnh, nhận dạng mẫu là một trong các thách thức lớn nhất của các nhà nghiên cứu trong những năm qua. Mục tiêu của nhận dạng mẫu là phát hiện, trích chọn các đặc trưng trong ảnh để phân loại các mẫu vào các lớp khác nhau. Một bài toán nổi tiếng trong lĩnh vực này là nhận dạng chữ số viết tay, trong đó mỗi chữ số phải được gán vào một trong 10 lớp sử dụng một số phương pháp phân loại. Mục đích của chúng tôi trong bài báo này là trình bày một phương pháp học sâu để so sánh với các phương pháp dựa trên các kỹ thuật thống kê đã có để giải quyết bài toán nhận dạng chữ số viết tay. Chúng tôi sẽ xây dựng mô hình mạng nơ-ron tích chập sâu với việc sử dụng nhiều lớp khác nhau của mạng để có thể trích chọn tự động được các đặc trưng tốt nhất trong ảnh. Đồng thời, chúng tôi cũng kết hợp giữa mạng nơ-ron tích chập và Multi-layer Perceptron nhằm cải thiện hiệu suất của mô hình. Chúng tôi đã xây dựngcác thực nghiệm sử dụng tập dữ liệu MNIST và đã đạt được độ chính xác phân loại cao nhất là 99,34% và tỷ lệ lỗi là 0,74%. Các kết quả này cho thấy mô hình đề xuất của chúng tôi cho kết quả cao hơn so với nhiều mô hình đã xây dựng trước đó trên cùng tập dữ liệu. Từ khóa: Nhận dạng chữ số viết tay, mạng nơ-ron tích chập, multi-layer perceptron, phân loại. 1. Tổng quan Trong những năm gần đây, chúng ta đã được chứng kiến nhiều thành tựu vượt bậc trong lĩnh vực xử lý ảnh (image processing). Các hệ thống xử lý ảnh lớn như Facebook, Google hay Amazon đã đưa vào sản phẩm của mình những chức năng thông minh như nhận diện khuôn mặt người dùng, phát triển xe hơi tự lái hay drone giao hàng tự động. Mạng nơ-ron tích chập (Convolutional Neural Network

• Kĩ thuật Viễn thông
• Nhận dạng chữ số viết tay
• Mạng nơ ron tích chập
• Multi layer perceptron
• Mô hình mạng nơ ron tích chập
• Kiến trúc CNN
• Mạng nơ ron nhân tạo
• Giáo dục trẻ mầm non
• Nhận dạng tự động chữ số viết tay
• Chức năng nhận dạng chữ số viết tay
• Kỷ yếu hội nghị Quốc gia về Điện tử truyền thông
• Kiến trúc mạng nơ ron nhân tạo
• Huấn luyện mạng nơ ron nhân tạo
• Định dạng số dấu phẩy động
• Nhận dạng chữ số
• Nhận dạng số viết tay
• Thuộc tính HOG
• Support vector machine
• Histogram of Oriented Gradients
• Trí tuệ nhân tạo
• Nền tảng di động Android
• Bài toán nhận dạng chữ số viết tay
• Kĩ thuật học sâu
• Mô hình mạng nơ ron nhân tạo
• Mạng nơ ron nhân tạo đa lớp MLP
• Trí thông minh nhân tạo
• Xử lý ngôn ngữ tự nhiên
• Mạng neuron nhân tạo
• Mạng perceptron đa lớp
• Cấu tạo mạng MLP
• chữ số viết tay
• đường cong tham số B Spline
• luận văn
• kỹ thuật điện
• hệ thống điện
• tóm tắt luận văn
• Công nghệ thông tin
• Cấu trúc mạng nơron
• Quản lý thông tin
• Mạng nơron bốn lớp
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Khoa học máy tính
• Nhập điểm rèn luyện tự động
• Đặc trưng chữ viết tay
• Hệ thống nhận dạng điểm
• Nhập môn xử lý ảnh số
• Phân tích ảnh
• Nhận dạng chữ viết
• Nhận dạng vân tay
• Phương pháp nén ảnh
• Mô hình mạng trí tuệ nhân tạo
• Mạng neuron tích chập
• Nền tảng Android
• trình bày báo cáo
• tài liệu báo cáo nghiên cứu khoa học
• cách trình bày báo cáo
• báo cáo ngành nông nghiệp
• báo cáo ngành y học