改进的卡纳达手写数字识别模型配置策略 作者 Gopal Dadarao Upadhye公司 印度马哈拉施特拉邦浦那Pimpri Chinchwad工程学院，411044 https://orcid.org/0000-0002-6244-7786 乌代·库尔卡尼 印度南德Gobind Singhji工程技术学院（SGGSIET）院长 Deepak T.Mane公司 印度浦那JSPM拉贾什·沙胡工程学院 内政部： https://doi.org/10.5566/ias.2586 关键词： 数字识别、粒子群优化、卷积自动编码器、卡纳达数字 摘要 手写体数字识别一直是模式分类领域的一个重要领域。当使用非罗马数字时，这项任务变得更加艰巨。虽然卷积神经网络是图像数据建模的首选，但获得更快收敛速度和准确结果的技术概念仍然给研究人员带来了一个谜。本文提出了对传统卷积神经网络结构进行初始化和优化的新方法，以获得更好的卡纳达数字图像结果。具体地说，我们提出了两种不同的方法——一种用于无监督训练和权重初始化的编码器设置，另一种用于选择CNN理想架构配置的粒子群优化策略。与随机初始化相比，无监督的体系结构初始训练有助于更快地收敛，因为它具有更多适合任务的权重，而优化策略有助于减少体系结构选择的手动迭代方法所需的时间。所提出的设置是在不同的手写卡纳达数字上进行训练的。提出的方法在两个不同的数据集上进行了评估：一个标准的Dig-MNIST数据集和一个定制的数据集。与传统的CNN培训设置相比，我们提出的系统在多个性能指标上有了显著改进。结果的改进为依靠这些方法更快、更准确地训练和推断数字分类提供了有力的依据，尤其是在缺乏迁移学习的情况下。 作者传记 Gopal Dadarao Upadhye，印度马哈拉施特拉邦浦那Pimpri Chinchwad工程学院，411044 计算机工程与助理教授 Uday V.Kulkarni，印度南德Gobind Singhji工程技术学院（SGGSIET）院长 计算机科学与工程教授 Deepak T.Mane，印度浦那JSPM拉贾什·沙胡工程学院 计算机工程与副教授 工具书类 Chen M，Shi X，Zhang Y，Wu D，Guizani M（2017）。 医学图像分析的深层特征学习 采用卷积型自动编码器神经网络。 IEEE大数据汇刊。 D.T.Mane UVK（2018年）。虹膜的模式识别 基于神经网络的粒子群花算法 优化。国际计算机杂志 科学与工程6。 Dhandra B、Mukarambi G、Hangarge M（2011年）。 手写和打印的基于区域的功能 混合卡纳达数字识别。输入：IJCA 超大规模集成电路国际会议论文集， 通信与仪表（ICVCI）， 7号。 Eberhart R，Kennedy J（1995）。使用的新优化器 粒子群理论。在：MHS'95。诉讼 第六届国际微观学术研讨会 机器与人类科学。伊耶。 El-Sawy A、Loey M、El-Bakry H（2017）。阿拉伯语 手写字符识别使用 卷积神经网络 计算机研究学报5:11-9。 Erhan D、Courville A、Bengio Y、Vincent P（2010年）。 为什么无监督的预培训有助于深入 学习？在：第十三届会议记录 国际人工智能会议 和统计。 Ganesh A，Jadhav AR，Pragadeesh KC（2016）。深度 手写体识别的学习方法 卡纳达数字。参加：国际会议 软计算和模式识别。斯普林格。 Gurudath K，Ravi D（2016）。孤立数字识别 用卡纳达语。国际期刊 计算机应用140。 Hallur VC，Hegadi R（2013）。卡纳达手写体 数字识别：神经网络方法。国际J 科学研究417 419。 Hallur VC，Hegadi R（2014）。脱机卡纳达 手写数字识别：整体 方法。附：第二国际会议记录 计算机新兴研究会议， 信息、通信和应用， 第3卷。 Karthik S，Murthy KS（2015）。手写卡纳达 基于方向直方图的数字识别 梯度描述符和支持向量机。 主题：新兴的信息通信技术为第四十九届年会的未来会议搭建桥梁 印度计算机学会CSI第2卷。 斯普林格。 Kavya T、Pratibha V、Priyadarshini B、Vijaya Bharathi M、 Vijayalakshmi G（2016）。卡纳达语字符 和使用混合的数字识别系统 区域特征提取和融合分类器。 国际工程研究技术杂志5。 Kennedy J，Eberhart R（1995）。粒子群 优化。致：1995年ICNN会议记录- 国际神经网络会议， 第4卷。电气与电子工程师协会。 Killedar S，Deshapande S（2015）。卡纳达语 手写数字识别与翻译 使用模板匹配。国际期刊 机电最新技术 工程2:77–80。 Mamatha H、Srirangaprasad S、Srikantamurthy K (2013). 基于数据融合的框架 孤立手写体汉字的识别 数字。国际高级计算科学应用杂志4:174-82。 Mane D，Kulkarni UV（2020年）。关于 监督卷积神经网络及其应用 主要应用。领域：深度学习和神经 网络：概念、方法、工具和 应用。IGI Global，1058–71。 Mukarambi G、Dhandrab V、Hangarge M（2011年）。 手写和打印识别系统 卡纳达数字和元音。国际J马赫智能 ：259–62。 Nair V，Hinton GE（2010年）。校正线性单位 改进受限boltzmann机器。输入：ICML。 Prabhu VU（2019）。Kannada-mnist：一个新的 卡纳达语的手写数字数据集 语言。arXiv预打印arXiv190801242。 Prasanna Kumar K（2013）。识别算法 使用最小特征的卡纳达元音 提取方法。 Ragha LR，Sasikumar M（2010年）。适应力矩 用于手写卡纳达卡谷尼塔识别。在： 第二届国际机器会议 学习和计算。电气与电子工程师协会。 Rajput G、Horakeri R、Chandrakant S（2010年）。印刷的 和手写卡纳达数字识别 使用裂纹代码和傅里叶描述子板。 国际计算机应用杂志 IJCA关于图像处理和 模式识别RTIPPR:53–8。 Ratadiya P、Asawa K、Nikhal O（2020年）。A类 分散聚合训练机制 基于智能合约系统的深度学习模型 用于银行贷款预测。arXiv预印本 arXiv201110981。 Ratadiya P，Mishra D（2019年）。注意力集中 基于多标签的亵渎检测方法。 参加：2019年数据挖掘国际会议 研讨会（ICDMW）。电气与电子工程师协会。 Roy A、Dutta D、Choudhury K（2013）。培训 基于粒子群的人工神经网络 优化算法。国际期刊 计算机科学和 软件工程3。 Sheshadri K、Ambekar PKT、Prasad DP、Kumar RP (2010). 用于打印卡纳达的ocr系统 k-means聚类。In：2010 IEEE国际 工业技术会议。电气与电子工程师协会。 Shettar S、Basavaprasad B、Bhagya H（2015）。 印刷体卡纳达数字的识别 最近邻法。致：会议记录 国际计算会议 健康可持续系统。 Srivastava N、Hinton G、Krizhevsky A、Sutskever I、， Salakhutdinov R（2014）。辍学：一种简单的方式 防止神经网络过拟合。这个 机器学习研究杂志15:1929–58。 下载 PDF格式 出版 2021-12-15 如何引用 Upadhye，G.D.、Kulkarni，U.V.和Mane，D.T.（2021）。改进的卡纳达手写数字识别模型配置策略。图像分析和体视学,40(3), 181–191. https://doi.org/10.5566/ias.2586 更多引文格式 ACM公司 ACS公司 亚太地区 澳大利亚北卡罗来纳州 芝加哥 哈佛大学 电气与电子工程师协会 MLA公司 图拉宾语 温哥华 下载引文 尾注/佐特罗/门德利（RIS） BibTeX公司 问题 第40卷第3期（2021） 章节 原始研究论文 许可证 版权所有（c）2021图像分析与体视学 这部作品是根据Creative Commons Attribution-NonCommercial 4.0国际许可.
