Recognize Arabic Handwritten using CNN Model

الشريط الجانبي للمقالة

PDF (الإنجليزية)
منشور: Dec 31, 2019
الكلمات المفتاحية:
الشبكة العصبية التلافيفية، التعليم المعمق، الخط العربي، لغة البايثون

محتوى المقالة الرئيسي

Abdul Muhsin M.
University of Technology, Iraq Control and Systems Engineering Department
Bashra Kadhim Oleiwi
University of Technology, Iraq Control and Systems Engineering Department
Farah F. Alkhalid
University of Technology, Iraq Control and Systems Engineering Department

الملخص

احد أكثر التحديات التي تواجه التعلم الآلي هو التعرف على الكتابة بخط اليد ، وخاصة النصوص العربية ، لأن  هناك العديد من أساليب الكتابة للخط العربي. في هذه الورقة ، يُقترح نموذج تحقيق لتمييز النصوص العربية المكتوبة بخط اليد باستخدام الشبكة العصبية التلافيفية (CNN)، مع طبقات متعددة من التطبيع والتنظيم لتقليل وقت التدريب وزيادة الدقة الإجمالية ، تم الوصول الى  دقة تحقق 98 ٪ لمجموعة بيانات Kaggle للغة العربية حيث استخدمت أحرف وأرقام مكتوبة بخط اليد باستخدام Python.

تفاصيل المقالة

كيفية الاقتباس
[1]
"Recognize Arabic Handwritten using CNN Model", JUBPAS, م 27, عدد 6, ص 359–367, 2019, تاريخ الوصول: 6 مايو، 2025. [مباشر على الإنترنت]. موجود في: https://www.journalofbabylon.com/index.php/JUBPAS/article/view/3010
إصدار
مجلد 27 عدد 6 (2019)
القسم
Articles
الحقوق الفكرية (c) 2019 Journal of University of Babylon

كيفية الاقتباس

[1]
"Recognize Arabic Handwritten using CNN Model", JUBPAS, م 27, عدد 6, ص 359–367, 2019, تاريخ الوصول: 6 مايو، 2025. [مباشر على الإنترنت]. موجود في: https://www.journalofbabylon.com/index.php/JUBPAS/article/view/3010

المؤلفات المشابهة

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.