📄Работа №210732

Тема: Нейронная сеть. Распознавание математических формул

📝
Тип работы Дипломные работы, ВКР
📚
Предмет информационные системы
📄
Объем: 50 листов
📅
Год: 2021
👁️
Просмотров: 17
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.

📋 Содержание

Аннотация
ВВЕДЕНИЕ 8
1 СРАВНЕНИЕ И АНАЛИЗ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА,
НАПРАВЛЕННЫХ НА РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ 9
1.1 Теоретическое введение 9
1.2 Сравнение существующих систем в области распознавания символов 12
1.3 Инструменты и сервисы для создания программного продукта 20
Выводы по первому разделу 22
2 РАЗРАБОТКА ПРИЛОЖЕНИЯ 23
2.1 Проектирование программы 23
2.2 Выбор языка программирования 23
2.3 Описание используемых технологий 24
2.4 Предварительная обработка изображения 29
2.5 Разработка языковой модели распознавание 33
2.6 Разработка десктоп-приложения 38
Выводы по второму разделу 42
3 ЭКОНОМИЧЕСКАЯ ЧАСТЬ 43
3.1 Цели и задачи, решаемые в экономической части 43
3.2 Расчет амортизационных отчислений 43
3.3 Расчёт расходов на энергопотребление 45
3.4 Расчёт заработной платы программиста 46
3.5 Расчёт общих затрат на создание прикладной программы 46
Выводы по третьему разделу 47
ЗАКЛЮЧЕНИЕ 48
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 49
ПРИЛОЖЕНИЕ А Функции, методы и библиотеки, используемые в программе 51

📖 Введение

Цель выпускной квалификационной работы - разработать систему, способную распознавать математические символы и рукописный текст.
Задача - с учётом развития направления нейронных сетей в информационном окружении, достаточно актуальна и интересна, т.к. программное обеспечение систем распознавания или определения некоторых символьных наборов, широко распространяется в общественных организациях, малых и больших бизнесах, в научных и учебных организациях.
Задачи работы:
- выполнить сравнительный анализ аналогов - системсервисов распознавания с целью определения наиболее распространенных архитектур, необходимого функционала, принципов;
- рассмотреть характеристики доступных ресурсов для работы с системами искусственного интеллекта;
- определить функционал разрабатываемого десктоп-приложения;
- выбрать тип архитектуры приложения, платформу для разработки, ресурсы обработки и разработать дизайн приложения;
- разработать приложение с целью дальнейшего его апгрейда и поиска бизнес реализации;
- отладить и протестировать разработанное приложение.
Объектом выпускной квалификационной работы является исследование возможности реализации оптического распознавания символов посредством нейросетей. Предмет - разработка настольного приложения, реализующего распознавание математических символов и рукописного текста.

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании

✅ Заключение

Разработано приложение, способное распознавать математические символы в двух вариантах, с помощью загружаемого изображения и изображения, рисуемого в реальном времени.
Выполнен сравнительный анализ пяти сервисов и программных решений. С учетом полученной в ходе анализа информации, сделан выбор в пользу разработки десктоп-приложения, работающего в режиме offline, имеющего возможность распознавать, как изображения, нарисованные в ручную, так и изображения, готового образца.
Рассмотрены характеристики библиотек и механизмов, обеспечивающих возможность работать с машинным обучением .
С помощью библиотек Tesseract, OpenCV, NumPy, на языке программирования Python версии 3.7, дистрибутива Anaconda, реализовано десктоп-приложение распознавания математических символов и выражений, позволяющее пользователям перевести данные на изображении в редактируемый формат.
Таким образом, цель работы достигнута и все поставленные задачи выполнены. Результат работы может быть применен на практике в любом направлении, где потребуется реализация компьютерного зрения.
Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ

📕 Список литературы

1 Саймон Хайкин. Нейронные сети. Полный курс / Саймон Хайкин - Вильямс, 2019. - 1104 с.
2 Солдатова О.П. Применение сверточной нейронной сети для распознавания рукописных цифр / Солдатова О.П., Гаршин А. А. - Самарский государственный аэрокосмический университет имени академика С. П. Королева 2010 г. - 8 с.
3 Anh Nguyen. Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images / Anh Nguyen, Jason Yosinski, Jeff Clune - Piscataway: Institute of Electrical and Electronics Engineers, 2015. - 20 с.
4 Eric W. Brown. Применение нейронных сетей для распознавания символов / Eric W. Brown, 2012. - 7 c.
5 Geoffrey E. Hinton. A Fast Learning Algorithm for Deep Belief Nets / Geoffrey E. Hinton, Simon Osindero, Yee-Whye The. - Toronto: Department of Computer Science, 2006. - 28 с.
6 Библиотека репозитория Python. - https://www.python.org/
7 Виктор Ерухимов. Компьютерное зрение и библиотека OpenCV. - https ://www. lektorium. tv/course/22800
8 Информация по библиотеке TkInter для Python. -
https ://wiki.python. org/moin/TkInter.
9 Anaconda, библиотека статей. - https://www.anaconda.com/library
10 Christopher Olah. Глубокое обучение, обработка естественного языка и
представление данных. - http://colah.github.io/posts/2014-07-NLP-RNNs-
Representations/
11 Google, egorpugin. Tesseract. - https://github.com/tesseract-ocr/tesseract
12 Keras, руководства. - https://keras.io/guides/
13 Michael Nielsen. Neural Networks and Deep Learning. -
http://neuralnetworksanddeeplearning.com/
14 Shalakhmetov A., Aubakirov S. Optical character recognition with neural networks. - https://bm.kaznu.kz/index.php/kaznu/article/view/572/460
15 TensorFlow, руководства. - https://www.tensorflow.org/tutorials

🖼 Скриншоты

🛒 Оформить заказ

Работу высылаем в течении 5 минут после оплаты.

©2026 Cервис помощи студентам в выполнении работ