SLP神经网络在波斯文手写体数字识别中的应用
Using SLP Neural Network to Persian Handwritten Digits Recognition
摘要：
这篇论文已经被作者ali pourmohammad撤回。
英文摘要：
This paper has been withdrawn by the author ali pourmohammad.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
基于鲁棒特征集和K-NN分类器的手写波斯/阿拉伯数字识别
Recognition of Handwritten Persian/Arabic Numerals Based on Robust Feature Set and K-NN Classifier
由于公式2中的关键符号错误和表1信息中的一些错误，作者撤回了这篇论文。请允许我更改这些信息和更新这份文件。
cs.CV
手写波斯数字识别的分类器融合方法
Classifiers fusion method to recognize handwritten persian numerals
波斯文手写体字符的识别是模式分析技术的一个重要研究领域。本文提出了一种基于强特征集和分类器融合的手写波斯数字识别方法，以提高识别率。为了实现分类器融合技术，我们考虑了k近邻（KNN），线性分类器（LC）和支持向量机（SVM）分类器。该策略的创新之处在于采用分类器融合的方法，以较少的特征获得较高的分类精度。为了评估所提出的方法，我们考虑了一个波斯数字数据库与20,000手写样本。在15,000个样本的训练阶段，我们对另外5,000个样本进行了验证，正确识别率达到了99.90%。此外，我们使用四重交叉验证程序在20，000个数据库上获得了99.97%的准确率。
cs.CV
基于EM路由的波斯/阿拉伯手写体数字识别
Capsule-Based Persian/Arabic Robust Handwritten Digit Recognition Using EM Routing
IRIB University（伊朗伊斯兰共和国广播大学）
本文研究了手写体数字的识别问题。然而，底层语言是波斯语/阿拉伯语，并且该任务是胶囊网络（CapsNet）的系统最近已经成为比其祖先，即CNN（卷积神经网络）更先进的架构。该架构的训练是使用Hoda数据集进行的，该数据集已被提供用于波斯语/阿拉伯语手写数字。该系统的输出明显优于其祖先以及其他先前提出的识别算法所取得的结果。
cs.CVcs.LG
使用深度学习的波斯语手写数字、字符和单词识别
Persian Handwritten Digit, Character and Word Recognition Using Deep Learning
University of Tabriz（大不里士大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；University of Tartu（塔尔图大学）
在当今的商业环境中，针对特定脚本的数字、字母和单词识别具有各种应用。然而，只有有限数量的相关研究涉及波斯文字。在本文中，通过各种DensNet架构利用深度神经网络，以及Xception，通过数据增强和测试时间增强来采用，修改和进一步增强，以便提出一种光学字符识别，说明波斯语和相应笔迹的特殊性。利用将数据库划分为训练集、验证集和测试集以及k折交叉验证，基于HODA和Sadri数据库执行所提出的方法与各种最先进的替代方案的比较，HODA和Sadri数据库提供了最全面的样本集合，包括不同人类所拥有的各种手写风格，以及每个字母可能采用的不同形式，这取决于它在单词中的位置。在HODA数据库上，我们对数字和字符的识别率分别为99.72%和89.99%，对Sadri数据库中的数字、字符和单词的识别率分别为99.72%、98.32%和98.82%。
cs.CV
用于研究遗传力与家庭关系对手写影响的综合波斯语离线手写数据库
A comprehensive Persian offline handwritten database for investigating the effects of heritability and family relationships on handwriting
Kosar University of Bojnord（博季努尔德科萨尔大学）；Concordia University（康考迪亚大学）；University of Birjand（比尔詹德大学）
本文构建了首个含210个家庭多类手写样本的波斯语离线手写数据库，验证了家庭成员间手写特征与风格存在相似性，免费开放以支撑遗传与家庭关系对手写影响的相关研究。
cs.CV
一种基于纠错输出编码的波斯文手写体字母识别新方法
A New Approach in Persian Handwritten Letters Recognition Using Error Correcting Output Coding
University College of Rouzbehan（鲁兹贝汉大学学院）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
使用输出的加权轮询的分类枚举是组合一组基本分类器以生成高性能、鲁棒且更稳定的结果的艺术。本研究旨在改善纠错输出编码（ECOC）集成方法对波斯手写体字母的识别效果。此外，特征选择被用来减少错误的代价，在我们提出的方法。ECOC是一种将多路分类问题分解为许多二进制分类任务的方法;然后将子任务的结果组合成原始问题的假设解决方案。首先，利用主成分分析（PCA）提取图像特征。在此基础上，采用支持向量机（SVM）作为基本分类器，对波斯语手写体字母进行识别。使用10个真实世界的波斯手写字母数据集应用该集成方法的实证结果表明，该方法具有更好的结果，在识别波斯手写字母比其他集成方法和单一的分类。此外，通过对多个不同特征的测试，本文发现使用该方法可以减少特征选择阶段的额外成本。
cs.CVcs.LGstat.ML
更多相关论文收起更多论文
色彩模态会影响手写识别吗？一项基于卷积神经网络的波斯语手写体实证研究
Does color modalities affect handwriting recognition? An empirical study on Persian handwritings using convolutional neural networks
Kosar University of Bojnord（博季诺尔德科萨尔大学）；Concordia University（康考迪亚大学）
该研究利用含三种色彩模态的波斯语手写数据集，通过CNN实验探究色彩模态对手写识别的影响，发现黑白图像识别表现更优、效率更高，但不同模态准确率无显著差异。
cs.CV
基于深度学习技术的库尔德手写体字符识别
Kurdish Handwritten Character Recognition using Deep Learning Techniques
University of Kurdistan Hewler（休勒库尔德斯坦大学）；Singidunum University（辛吉杜努姆大学）；Torrens University（托伦斯大学）；Yonsei University（延世大学）；Ramco Institute of Technology（拉姆科理工学院）；Guru Nanak Dev University（古鲁那纳克德夫大学）；Tishk International University（提什克国际大学）
手写体识别是图像处理和模式识别领域中一个活跃而又富有挑战性的研究领域。它有许多应用，包括：视力障碍的阅读辅助，银行支票的自动阅读和处理，使任何手写文档可搜索，并将其转换为结构化文本形式等。然而，没有这样的系统可用于离线库尔德手写识别。在本文中，试图设计和开发一个模型，可以识别手写字符的库尔德字母使用深度学习技术。库尔德语（Sorani）包含34个字符，主要采用阿拉伯语\Persian为基础的文字，修改了字母表。在这项工作中，采用了深度卷积神经网络模型，该模型在手写识别系统中表现出了示例性的性能。然后，为手写库尔德字符创建了一个全面的数据集，其中包含4万多张图像。创建的数据集已用于训练深度卷积神经网络模型，以执行分类和识别任务。在该系统中，实验结果表明，一个可接受的识别水平。测试结果报告了96%的准确率，训练准确率报告了97%的准确率。从实验结果来看，很明显，所提出的深度学习模型表现良好，与其他语言的手写识别系统的类似模型相当。
cs.CVcs.LGcs.NE
用于跨语言手写OCR的基于大语言模型驱动的自动化机器学习：使用GPT-5、GPT-4o和Claude十四行诗4的闭环神经架构搜索
LLM-Driven AutoML for Cross-Lingual Handwritten OCR: Closed-Loop Neural Architecture Search with GPT-5, GPT-4o, and Claude Sonnet 4
研究针对跨语言手写OCR，提出用GPT-5等大语言模型驱动的自动化机器学习框架，能自主生成、训练等优化神经网络架构，经实验评估，该框架无需人工设计等就能发现高效准确模型，实现跨语言手写识别。
cs.AIcs.CVcs.LG
