КЛЕТОЧНЫЕ АВТОМАТЫ В РАСПОЗНАВАНИИ ТЕКСТА

Боковая панель статьи

PDF (узбекский (латиница))
Опубликован: 2023-12-05
DOI: https://doi.org/10.66073/researchfocus.v2i11.586
Ключевые слова:
Распознавание, знаки, свойства знаков, обработка изображений, статус черно-белого изображения, сегментация текста, клеточные автоматы

Основное содержимое статьи

Б.Б.Умарова
Ассистент, Наманганский инженерно-технологический институт

Аннотация

Преимущества клеточных автоматов могут быть полезны в системах распознавания текста. Простота и единообразие правил позволяет создавать сложные системы на основе нескольких логических или математических элементов и достигать результатов с меньшими вычислительными ресурсами и памятью.Для реализации идей и алгоритмов, разработанных в ходе исследования, необходимо создать модель и программа на его основе.

Информация о статье

Выпуск

Том 2 № 11 (2023): Research Focus International Scientific Journal. Том 2, выпуск 11 (2023)

Раздел

01.00.00 – Физико-математические науки
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Как цитировать

КЛЕТОЧНЫЕ АВТОМАТЫ В РАСПОЗНАВАНИИ ТЕКСТА. (2023). Research Focus International Scientific Journal, 2(11), 8-10. https://doi.org/10.66073/researchfocus.v2i11.586

Библиографические ссылки

Нейман Дж. Теория самовоспроизводящихся автоматов. Дж. Нейман. М.: Мир, 1971.

Wolfram S. A New Kind of Science. Wolfram Media. Inc., 2002.

Колесников С. Распознавание образов. Общие сведения /Газета "Компьютер-Информ". Программное обеспечение. http://www.ci.ru/

Травин А. Технологии оптического распознавания текстов // Электронный офис. 1996. Ноябрь.

Хайкин С. Нейронные сети: полный курс. М. : Вильямс, 2006.

Терехов С. А. Лекции по теории и приложениям искусственных нейронных сетей. Лаборатотория Искусственных Нейронных Сетей НТО-2. Снежинск. ВНИИТФ.