COMPARISON OF MACHINE LEARNING TECHNIQUES FOR HANDWRITTEN DIGIT RECOGNITION : научное издание

Дополнительные ссылки: eLibrary

База данных: Каталог библиотеки СФУ

Библиографическое описание: COMPARISON OF MACHINE LEARNING TECHNIQUES FOR HANDWRITTEN DIGIT RECOGNITION : научное издание / науч. рук. E. (A.) Sopov ; пер. O. (V.) Maslova. - Текст : непосредственный // Молодежь. Общество. Современная наука, техника и инновации. - 2017. - № 16. - P. 307-308. Перевод заглавия: СРАВНЕНИЕ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ЗАДАЧИ РАСПОЗНАВАНИЯ РУКОПИСНЫХ ЦИФР Переводная версия

Аннотация: Performance of convolutional neural network, perceptron neural network and k-nearest neighbor’s algorithm for handwritten image recognition is discussed. MNIST dataset (“Modified National Institute of Standards and Technology”) is being used both for training and testing. Convolutional neural network outperforms perceptron neural network and k-nearest neighbors algorithm.
Рассмотрена эффективность сверточной нейронной сети, нейронной сети архитектуры перцептрон и метода k ближайших соседей для задачи распознавания рукописных цифр. База данных MNIST (“ModifiedNationalInstituteofStandardsandTechnology”) была использована как для обучения, так и для тестирования. Работа сверточной нейронной сети показала большую эффективность по сравнению с нейронной сетью архитектуры перцептрон и алгоритмом k - ближайших соседей.

Год издания: 2017

Редакторы, составители и др.: Plotnikov D. (V.) ; Sopov E. (A.) (научный руководитель) ; Maslova O. (V.) (переводчик)

Издательство: Федеральное государственное бюджетное образовательное учреждение высшего образования Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева, Красноярск

Источник: Молодежь. Общество. Современная наука, техника и инновации

Выпуск: № 16

Номера страниц: 307-308

Держатель оригинала документа: Reshetnev Siberian State Aerospace University, Krasnoyarsk

Количество экземпляров:

Твёрдая копия издания отсутствует в фонде библиотеки

Показать дополнительные сведения

RESEARCH ON THE ARCHITECTURE OF A CONVOLUTIONAL NEURAL NETWORK FOR IMAGE RECOGNITION

Kutuzova M.O. и др.
2021 год

APPLICATION OF CONVOLUTIONAL NEURAL NETWORKS IN THE PROBLEM OF RECOGNITION OF HANDWRITTEN NUMBERS

Krutko D.A.
2022 год

РЕШЕНИЕ ЗАДАЧ РАСПОЗНАВАНИЯ ЛИЦ И МИМИКИ С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ

Плотников Д.В. и др.
2017 год

ANew Convolutional Neural Network for Recognizing Handwritten Letters of the Russian Alphabet

Safonova A. и др.
2022 год

COMPARISON OF APPROACHES USED TO PREDICT THE DATA STORAGE SYSTEM

Shutkina E.V.
2023 год

ВЫБОР ЭФФЕКТИВНЫХ НАСТРОЕК ГЕНЕТИЧЕСКОГО АЛГОРИТМА ОПТИМИЗАЦИИ ПАРАМЕТРОВ КЛАССИФИКАТОРОВ В…

Скороход А.В. и др.
2017 год

COMPARISON OF DATA MINING TECHNIQUES PERFORMANCE IN CLASSIFICATION OF STEEL PLATES DEFECTS

Mamontov D.Yu. и др.
2015 год

DEVELOPMENT OF AN ARTIFICIAL NEURAL NETWORK FOR CLASSIFICATION OF TEXT BY CATEGORY

Takhtay O. A. и др.
2021 год

COMPARISON OF DATA MINING TECHNIQUES PERFORMANCE IN SPAM DETECTION

Dresvyanskiy D.V. и др.
2015 год

MACHINE LEARNING

Belin N.O.
2019 год

COMPARISON OF DATA MINING TECHNIQUES PERFORMANCE IN CARDIALGIA DIAGNOSIS

Karaseva T.S. и др.
2015 год

NEURAL NETWORKS FOR FACE RECOGNITION

Golovenok I.A. и др.
2018 год

COMPARISON BETWEEN Q-LEARNING AND QUANTUM NEURAL NETWORKS ON SIMPLE MACHINE LEARNING TASK

Kalinin D.A.
2022 год

Handbook of research on machine learning techniques for pattern recognition and information security

Dua Mohit и др.
2020 год

DEFAULTOFCREDITCARDCLIENTSFORECASTINGBYRAPIDMINER

Wang Xuxin
2021 год

СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ

Доррер Г.А. и др.
2017 год

Библиотечно-издательский комплекс СФУ

COMPARISON OF MACHINE LEARNING TECHNIQUES FOR HANDWRITTEN DIGIT RECOGNITION : научное издание
статья из журнала

Похожие публикации