Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://hdl.handle.net/11701/25989
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.advisorКозынченко Владимир Александровичru_RU
dc.contributor.advisorKozyncenko Vladimir Aleksandrovicen_GB
dc.contributor.authorПетров Валентин Юрьевичru_RU
dc.contributor.authorPetrov Valentin Urevicen_GB
dc.contributor.editorМалинина Мария Анатольевнаru_RU
dc.contributor.editorMalinina Maria Anatolevnaen_GB
dc.date.accessioned2021-03-24T15:08:46Z-
dc.date.available2021-03-24T15:08:46Z-
dc.date.issued2019
dc.identifier.other049330en_GB
dc.identifier.urihttp://hdl.handle.net/11701/25989-
dc.description.abstractВ данной работе представлена программная модель для распознавания рукописных систем линейных уравнений. Модель включает в себя построение скелета текста с использованием диаграммы Вороного, разделение системы на отдельные выражения и выражений на символы с их последующим распознаванием. Распознавание происходит посредством свёрточной нейронной сети.ru_RU
dc.description.abstractThis paper presents a software model for recognizing handwritten systems of linear equations. The model includes building a skeleton of text using the Voronoi diagram, dividing the system into separate expressions and expressions into symbols with their subsequent recognition. Recognition occurs through the convolutional neural network.en_GB
dc.language.isoru
dc.subjectраспознавание рукописных текстовru_RU
dc.subjectсвёрточная нейронная сетьru_RU
dc.subjectдиаграмма Вороногоru_RU
dc.subjectPythonru_RU
dc.subjecthandwriting text recognitionen_GB
dc.subjectconvolutional neural networken_GB
dc.subjectVoronoi diagramen_GB
dc.subjectPythonen_GB
dc.titleHandwritten mathematical expressions recognition using neural networksen_GB
dc.title.alternativeРаспознавание рукописных математических выражений с использованием нейронных сетейru_RU
Располагается в коллекциях:BACHELOR STUDIES

Файлы этого ресурса:
Файл Описание РазмерФормат 
diploma.pdfArticle578,73 kBAdobe PDFПросмотреть/Открыть
reviewSV_petrov_otzyv.docReviewSV27 kBMicrosoft WordПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.