РЕФЕРАТ - Применение нейросетей для распознавания текстов и выбор методов алгоритмов обучения

Актуальность работы обусловлена значимостью выбранной темы. Современный мир нельзя представить без чтения и обработки информации. Объем информации, которую получает человек, растёт в огромном количестве. И эта информация может быть обработана различными информационными системами. На текущее время самый простой для инженера-программиста способ, это нейросеть. Нейросетями обрабатывается любая информация, от графической до огромных массивов данных.

Объект исследования. Процесс функционирования алгоритмов распознавания текстов на изображении.

Предмет исследования. Алгоритм распознавания текстов на изображении.

Цель работы. Исследовать применение нейросетей для распознавания текстов и выбор методов алгоритмов обучения.

Задачи работы:

-      Рассмотреть понятие и устройство нейросетей;

-      Изучить особенности и виды применения нейросетей;

-      Охарактеризовать работу алгоритма распознавания;

-      Определить перспективы реализации и значимость развития алгоритмов нейросетей для распознавания текста и обучения.

Практическая значимость работы заключается в необходимости совершенствования методов распознавания текста, в уменьшении количества затрачиваемых на это ресурсов. Возможность автоматизировать огромное количество ручного монотонного труда несет немалую практическую ценность.

Структура работы. Работа состоит из введения, теоретической и практической части в виде двух глав, заключения и списка использованных источников.

ВВЕДЕНИЕ 4

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ УСТРОЙСТВА НЕЙРОСЕТЕЙ 6

1.1 Понятие и устройство нейросетей 6

1.2 Особенности и виды применения нейросетей 11

ГЛАВА 2. АНАЛИЗ ПРИМЕНЕНИЯ АЛГОРИТМОВ НЕЙРОСЕТЕЙ ДЛЯ РАСПОЗНАВАНИЯ ТЕКСТА И ОБУЧЕНИЯ 17

2.1 Характеристика работы алгоритма распознавания для распознавания и обучения 17

2.2 Перспективы реализации и значимость развития алгоритмов нейросетей для распознавания текста и обучения 29

ЗАКЛЮЧЕНИЕ 31

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 33

1.                Адлер, Ю. П. Алгоритмически      неразрешимые задачи и искусственный интеллект / Ю. П. Адлер // Экономика и управление: проблемы, решения. – 2020. - № 4. – 17–24 с.

2.                Алешева, Л. Н. Интеллектуальные обучающие системы [Текст] / Л. Н. Алешева // Вестник университета. - 2021. - N 1. - 149–155 с.

3.                Баррат, Д. Последнее изобретение человечества : искусственный интеллект и конец эры Homo sapiens : [пер. с англ.] / Д. Баррат. - 2-е изд. - М. : Альпина нон-фикшн, 2020. - 303 с.

4.                Барский А. Б. Нейронные сети: распознавание, управление, принятие решений — М.: Финансы и статистика, 2021. — 174 с.

5.                Галушкин, А.И. Нейронные сети: основы теории. / А. И. Галушкин. - М.: РиС, 2021. - 496 c.

6.                Демкин В. И. История и перспективы развития нейронных сетей / В. И. Демкин, Д. К. Луков // Вестник современных исследований. - 2021. - № 6.1 (21). -366-368 с.

7.                Елисеев, А. С. Искусственный интеллект. Что это : условное название или реальное намерение создать? / А. С. Елисеев. - М. : Дашков и К°, 2021. - 33 с.

8.                Заенцев И. В. Нейронные сети: основные модели — Воронеж: Изд-во Воронежского госуд. ун-та, 2021. — 76 с.

9.                Каллан Р. Основные концепции нейронных сетей — Москва, Санкт-Петербург, Киев: Издательский дом «Вильямс», 2021. — 287 с.

10.           Каллан, Р. Нейронные сети : краткий справочник / Р. Каллан ; Саутгемптон. ин-т. - М. : Вильямс, 2021. - 279 с.

11.           Кузнецова, А. В. Искусственный интеллект и информационная безопасность общества : монография / А. В. Кузнецова, С. И. Самыгин, М. В. Радионов ; ред. П. С. Самыгин. - М. : Русайнс, 2021. - 117 с.

12.           Мыцких-Коробанов. А.Ю. Алгоритмы машинного обучения /А. Ю. Мыцких-Коробанов // Математика и ее приложения в современной науке и практике : сб. науч. статей VIII Международной научно-практической конференции (Курск, 27–28 апреля 2018 г.) / ред. Е.А. Бойцова. - 2018.- 25–33 с.

13.           Осовский С. Нейронные сети для обработки информации — М.: Финансы и статистика, 2021. — 343 с.

14.           Рассел, С. Искусственный интеллект : современный подход : пер. с англ. / С. Рассел, П. Норвиг ; пер. К. А. Птицын. - 2-е изд. - М. : Вильямс, 2018. - 1407 с.

15.           Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В. Г. Редько. - М.: Ленанд, 2020. - 224 c.

16.           Рутковская Д. Нейронные сети, генетические алгоритмы и нечёткие системы — М.: Горячая линия — Телеком, 2020. — 452 с.

17.           Суровцев И. С., Клюкин В.И., Пивоварова Р. П. Нейронные сети. — Воронеж: ВГУ, 2020. — 224 с.

18.           Хайкин С. Нейронные сети. Полный курс 2-e изд. Пер. с англ. – М.: Издательский дом «Вильямс», 2020. – 1104 с.

19.           Ширяев, В.И. Финансовые рынки: Нейронные сети, хаос и нелинейная динамика / В. И. Ширяев. - М.: КД Либроком, 2020. - 232 c.

20.           Яхъяева, Г.Э. Нечеткие множества и нейронные сети: Учебное пособие / Г. Э. Яхъяева. - М.: БИНОМ. ЛЗ, ИНТУИТ.РУ, 2021. - 316 c.