دانلود ترجمه مقاله شناسایی آفلاین دست نوشته فرهنگ لغت – نشریه اسپرینگر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” شناسایی آفلاین دست نوشته فرهنگ لغت ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
مقدمه
الگو تشخیص دستخط
قطعه سازی کلمات به کاراکتر ها
استراتژی های تشخیص
نقش مدل زبانی در تشخیص دستخط
پیچیدگی تشخیص دستخط
کاربرد های فرهنگ لغت بزرگ
سازماندهی تحقیق
کاهش لغت نامه
دیگر منابع دانشی
کاربرد های بانکداری
کاربرد های پستی
ترکیب زبانی
طول کلمه
شکل کلمه
رویکرد های دیگر
بحث و تبادل نظر
سازماندهی فضای جستجو
درخت لغوی
رویکرد های دیگر
بحث و تبادل نظر
تکنیک های جستجو
مشکل جستجو در تشخیص دست خط
تطبیق برنامه ریزی دینامیک
جستجو ویتربی
جستجو پرتو
چند گذری
کاربرد ها : بررسی موردی
سیستم خط مبناء
سازماندهی مجدد فضای جستجو
اصلاح لغت نامه
تکنیک های جستحو سریع
الگوی توزیع شده
بحث و تبادل نظر
موضوعات اینده
مدل سازی زبان
مدل های وابسته مفهومی
سیستم های فرهنگ لغت باز
عملیات انی
پایگاه داده
بحث و ملاحظات نهایی
بحث و تبادل نظر و ملاحظات آینده

• بخشی از ترجمه:

پایگاه داده
محدودیت دیگر برای توسعه سیستم های تشخیص دستخط فرهنگ لغت بزرگ عبارتست از مقدار داده مورد نیاز برای اموزش و تست . تکنیک خودکار برای یادگیری نظم ها در داده دستخط به صورت مستقیم در مدل های آماری ارایه می گردد . علاوه براین ، داده های بیشتر با گرایش یکی کردن اطلاعات مفهومی در تشخیص برای اموزش و صحه گذاری سیستم ها مورد نیاز می باشند . پایگاه داده های در دسترس ( یعنی BERN ، CAMBRIDGE ، CEDAR و IRONOFF ) برای چنین وظیفه ای کافی نیستند . پایگاه داده برن (Bern ) دارای 12819 کلمه متشکل از 100 لغت استخراج شده ا پایگاه داده صفحه دستخط می باشد که توسط 200 نویسنده تولید شده اند . پایگاه داده ]21[ دارای 4053 بود که توسط نویسنده تکی متشکل از لغت نامه 1334 کلمه ای تولید گردید . پایگاه داده CEDAR ] 128[ حاوی 5632 کلمه شهر بعلاوه 4983 کلمه ایالات می باشد . پایگاه داده IRONOFF دارای 31346 کلمه تفکیک شده از 197 لغت نامه کلمه می باشد که از حدود 600 نویسنده متفاوت جمع اوری گردیدند .

• بخشی از مقاله انگلیسی:

Database

For the development of unconstrained large vocabulary handwriting recognition systems, another limitation is the amount of data required for training and testing. Statistical methods provide an automatic procedure to ‘learn’ the regularities in the handwriting data directly. The need of a large set of good training data is thus more critical than ever. Furthermore, with the tendency of incorporating contextual information in the recognition, more data are needed for the training and validation of systems. The available databases (e.g. BERN, CAMBRIDGE, CEDAR and IRONOFF) are not adequate for such a task. The Bern database [24] has 12,198 words comprising a 100 word lexicon extracted from a handwritten page database produced by 200 writers. The Cambridge database [21] has 4053 words produced by a single writer comprising a 1334-word lexicon. The CEDAR database [128] contains 5632 city words plus 4938 state words. The IRONOFF database has 31,346 isolated words from a 197 word lexicon collected from about 600 different writers.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله