Fugu-MT 論文翻訳(概要): Digit Recognition Using Convolution Neural Network

論文の概要: Digit Recognition Using Convolution Neural Network

arxiv url: http://arxiv.org/abs/2004.00331v1
Date: Wed, 1 Apr 2020 10:41:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 19:04:30.783910
Title: Digit Recognition Using Convolution Neural Network
Title（参考訳）: 畳み込みニューラルネットワークを用いたディジット認識
Authors: Kajol Gupta
Abstract要約: 本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。パスワード、銀行小切手などの数字認識の応用により、有効なユーザ識別が認識される。本研究の主な目的は、畳み込みニューラルネットワーク(CNN)を用いて、99.15%の精度を得ることである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In pattern recognition, digit recognition has always been a very challenging task. This paper aims to extracting a correct feature so that it can achieve better accuracy for recognition of digits. The applications of digit recognition such as in password, bank check process, etc. to recognize the valid user identification. Earlier, several researchers have used various different machine learning algorithms in pattern recognition i.e. KNN, SVM, RFC. The main objective of this work is to obtain highest accuracy 99.15% by using convolution neural network (CNN) to recognize the digit without doing too much pre-processing of dataset.
Abstract（参考訳）: パターン認識では、桁認識は常に非常に難しい課題である。本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。正当なユーザ識別を認識するために、パスワード、銀行小切手処理等におけるデジタル認識の応用。従来、複数の研究者がパターン認識、すなわちkn、svm、rfcでさまざまな機械学習アルゴリズムを使用してきた。この研究の主な目的は、畳み込みニューラルネットワーク(CNN)を使用してデータセットの過剰な前処理を行わずに桁を認識することにより、99.15%の精度を得ることである。

関連論文リスト

Enhancing Length Extrapolation in Sequential Models with Pointer-Augmented Neural Memory [66.88278207591294]
本稿では,新しいより長いデータ列に対して,ニューラルネットワークによるシンボル処理の理解と適用を支援するために,Pointer-Augmented Neural Memory (PANM)を提案する。 PANMは、新しい物理アドレスとポインタ操作技術を使用して、人間とコンピュータのシンボル処理能力を模倣する外部のニューラルメモリを統合する。
論文参考訳（メタデータ） (2024-04-18T03:03:46Z)
NeuroWrite: Predictive Handwritten Digit Classification using Deep Neural Networks [0.0]
我々は,深層ニューラルネットワークを用いて手書き桁の分類を予測するユニークな方法であるNeuroWriteを紹介する。本モデルは手書き文字の識別と分類において優れた精度を示す。 NeuroWriteは、ディープニューラルネットワークベースの手書き桁認識のためのバーを上げるための有望な方法である。
論文参考訳（メタデータ） (2023-11-02T06:29:53Z)
Incrementally-Computable Neural Networks: Efficient Inference for Dynamic Inputs [75.40636935415601]
ディープラーニングは、センサーデータやユーザ入力などの動的入力を効率的に処理するという課題に直面していることが多い。インクリメンタルな計算アプローチを採用し、入力の変化に応じて計算を再利用する。本稿では,この手法をトランスフォーマーアーキテクチャに適用し,修正入力の分数に比例した複雑性を持つ効率的なインクリメンタル推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-07-27T16:30:27Z)
Study of a committee of neural networks for biometric hand-geometry recognition [0.0]
ネットの委員会は、最高のパフォーマンスを提供するニューラルネットを拾い上げるマルチスタートアルゴリズムと比較して、認識率を改善することができることを示す。
論文参考訳（メタデータ） (2022-04-08T08:56:42Z)
Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-11-04T04:39:02Z)
Handwritten Digit Recognition using Machine and Deep Learning Algorithms [0.0]
我々は,MNISTデータセットを用いて,Support Vector Machines (SVM), Multi-Layer Perceptron (MLP), Convolution Neural Network (CNN)モデルを用いて手書き桁認識を行った。我々の主な目的は、上述したモデルの精度と実行時間を比較して、桁認識に最適なモデルを得ることである。
論文参考訳（メタデータ） (2021-06-23T18:23:01Z)
On Addressing Practical Challenges for RNN-Transduce [72.72132048437751]
オーディオデータを収集することなく、よく訓練されたRNN-Tモデルを新しいドメインに適応します。復号時に計算された複数の特徴を利用して単語レベルの信頼度を求める。提案手法では,平均で50ms以下の単語のタイミング差が得られる。
論文参考訳（メタデータ） (2021-04-27T23:31:43Z)
Characterization and recognition of handwritten digits using Julia [0.0]
我々は,MNISTデータセットの桁を認識可能なハイブリッドニューラルネットワークモデルを実装した。提案したニューラルモデルネットワークは、画像から特徴を抽出し、層内の特徴を層ごとに認識することができる。また、MNISTデータセットの自動エンコーディングシステムと変分自動エンコーディングシステムを認識することもできる。
論文参考訳（メタデータ） (2021-02-24T00:30:41Z)
Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning [70.84106972725917]
提案手法は費用対効果が高く,RFIDに基づく解を容易に置き換えることができる。このシステムは、識別コードに損傷があるため、列車のワゴンの一部を自動的に拒絶することができる。
論文参考訳（メタデータ） (2020-10-30T14:56:54Z)
Discriminative Nearest Neighbor Few-Shot Intent Detection by Transferring Natural Language Inference [150.07326223077405]
データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。深部自己注意を伴う識別的近傍分類を提示する。自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
論文参考訳（メタデータ） (2020-10-25T00:39:32Z)
End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
論文参考訳（メタデータ） (2020-06-09T16:38:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。