Automatische Modellierung gebundener Handschrift: Entwurf und Optimierung eines HMM-basierten Erkennungssystems
6 Angebote vergleichen

Lieferung aus: Deutschland, Versandkostenfrei.
buecher.de GmbH & Co. KG, [1].
Gebundene Handschrift stellt die grösste Herausforderung bei der automatischen Schrifterkennung dar. Während bei Druckschrift Segmentierung und Erkennung der Zeichen sequentiell abgearbeitet werden können, beeinflussen sie sich bei Handschrift wechselseitig. Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM) gelöst. So auch bei Powerscript, eingesetzt in der Postautomatisierung und eines der weltweit meistbenutzten Systeme, welches in Theorie, Realisierung und Ergebnissen detailliert beschrieben wird. Es erzielt hohe Erkennungsraten, weil es statistisch arbeitet: Das Aussehen der Zeichen wird nicht vorgegeben, sondern mit Beispielen gelernt. Und dennoch werden Annahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihre Grösse und Komplexität werden durch die Topologien der Zeichen-HMM festgelegt. Ihre Optimierung ist das Thema des Buches. Es werden Modellwahlkriterien als Kompromiss zwischen Komplexität und Einfachheit definiert, anschliessend werden verschiedene Optimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibel und verbessern die Erkennungsleistung, besonders bei fremden Schriften, wie Arabisch, für die kein Expertenwissen verfügbar ist.2008. 192 S.Versandfertig in 3-5 Tagen, Softcover.

Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, Germany.
This item is printed on demand - Print on Demand Titel. Neuware - Gebundene Handschrift stellt die grösste Herausforderung bei der automatischen Schrifterkennung dar. Während bei Druckschrift Segmentierung und Erkennung der Zeichen sequentiell abgearbeitet werden können, beeinflussen sie sich bei Handschrift wechselseitig. Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM) gelöst. So auch bei Powerscript, eingesetzt in der Postautomatisierung und eines der weltweit meistbenutzten Systeme, welches in Theorie, Realisierung und Ergebnissen detailliert beschrieben wird. Es erzielt hohe Erkennungsraten, weil es statistisch arbeitet: Das Aussehen der Zeichen wird nicht vorgegeben, sondern mit Beispielen gelernt. Und dennoch werden Annahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihre Grösse und Komplexität werden durch die Topologien der Zeichen-HMM festgelegt. Ihre Optimierung ist das Thema des Buches. Es werden Modellwahlkriterien als Kompromiss zwischen Komplexität und Einfachheit definiert, anschliessend werden verschiedene Optimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibel und verbessern die Erkennungsleistung, besonders bei fremden Schriften, wie Arabisch, für die kein Expertenwissen verfügbar ist. 192 pp. Deutsch.

Lieferung aus: Deutschland, Lieferzeit: 5 Tage.
Gebundene Handschrift stellt die grösste Herausforderung bei der automatischenSchrifterkennung dar. Während bei Druckschrift Segmentierung und Erkennung der Zeichen sequentiell abgearbeitet werden können, beeinflussen sie sich bei Handschrift wechselseitig. Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM) gelöst. So auch bei Powerscript, eingesetzt in der Postautomatisierung und eines der weltweit meistbenutzten Systeme, welches in Theorie, Realisierung und Ergebnissen detailliert beschrieben wird. Es erzielt hohe Erkennungsraten, weil es statistisch arbeitet: Das Aussehen der Zeichen wird nicht vorgegeben, sondern mit Beispielen gelernt. Und dennoch werden Annahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihre Grösse und Komplexität werden durch die Topologien der Zeichen-HMM festgelegt. Ihre Optimierung ist das Thema des Buches. Es werden Modellwahlkriterien als Kompromiss zwischen Komplexität und Einfachheit definiert, anschliessend werden verschiedene Optimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibel und verbessern die Erkennungsleistung, besonders bei fremden Schriften, wie Arabisch, für die kein Expertenwissen verfügbar ist.

Lieferung aus: Schweiz, zzgl. Versandkosten, Versandfertig innert 6 - 9 Tagen.
Entwurf und Optimierung eines HMM-basierten Erkennungssystems, Gebundene Handschrift stellt die grösste Herausforderung bei der automatischenSchrifterkennung dar. Während bei Druckschrift Segmentierung und Erkennung der Zeichen sequentiell abgearbeitet werden können, beeinflussen sie sich bei Handschrift wechselseitig. Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM) gelöst. So auch bei Powerscript, eingesetzt in der Postautomatisierung und eines der weltweit meistbenutzten Systeme, welches in Theorie, Realisierung und Ergebnissen detailliert beschrieben wird. Es erzielt hohe Erkennungsraten, weil es statistisch arbeitet: Das Aussehen der Zeichen wird nicht vorgegeben, sondern mit Beispielen gelernt. Und dennoch werden Annahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihre Grösse und Komplexität werden durch die Topologien der Zeichen-HMM festgelegt. Ihre Optimierung ist das Thema des Buches. Es werden Modellwahlkriterien als Kompromiss zwischen Komplexität und Einfachheit definiert, anschliessend werden verschiedene Optimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibel und verbessern die Erkennungsleistung, besonders bei fremden Schriften, wie Arabisch, für die kein Expertenwissen verfügbar ist.

Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, NDS, Germany.
This item is printed on demand - Print on Demand Titel. - Gebundene Handschrift stellt die grösste Herausforderung beider automatischen Schrifterkennung dar. Während bei DruckschriftSegmentierung und Erkennung der Zeichen sequentiell abgearbeitetwerden können, beeinflussen sie sich bei Handschrift wechselseitig.Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM)gelöst. So auch bei Powerscript, eingesetzt in derPostautomatisierung und eines der weltweit meistbenutzten Systeme,welches in Theorie, Realisierung und Ergebnissen detailliertbeschrieben wird. Es erzielt hohe Erkennungsraten, weil esstatistisch arbeitet: Das Aussehen der Zeichen wird nichtvorgegeben, sondern mit Beispielen gelernt. Und dennoch werdenAnnahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihreGrösse und Komplexität werden durch die Topologien der Zeichen-HMMfestgelegt. Ihre Optimierung ist das Thema des Buches. Es werdenModellwahlkriterien als Kompromiss zwischen Komplexität undEinfachheit definiert, anschliessend werden verschiedeneOptimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibelund verbessern die Erkennungsleistung, besonders bei fremdenSchriften, wie Arabisch, für die kein Expertenwissen verfügbarist. 192 pp. Deutsch.

Lieferung aus: Deutschland, Versandkostenfrei.
AHA-BUCH GmbH, [4009276].
- Gebundene Handschrift stellt die grösste Herausforderung beider automatischen Schrifterkennung dar. Während bei DruckschriftSegmentierung und Erkennung der Zeichen sequentiell abgearbeitetwerden können, beeinflussen sie sich bei Handschrift wechselseitig.Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM)gelöst. So auch bei Powerscript, eingesetzt in derPostautomatisierung und eines der weltweit meistbenutzten Systeme,welches in Theorie, Realisierung und Ergebnissen detailliertbeschrieben wird. Es erzielt hohe Erkennungsraten, weil esstatistisch arbeitet: Das Aussehen der Zeichen wird nichtvorgegeben, sondern mit Beispielen gelernt. Und dennoch werdenAnnahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihreGrösse und Komplexität werden durch die Topologien der Zeichen-HMMfestgelegt. Ihre Optimierung ist das Thema des Buches. Es werdenModellwahlkriterien als Kompromiss zwischen Komplexität undEinfachheit definiert, anschliessend werden verschiedeneOptimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibelund verbessern die Erkennungsleistung, besonders bei fremdenSchriften, wie Arabisch, für die kein Expertenwissen verfügbarist. - Besorgungstitel - vorauss. Lieferzeit 3-5 Tage.. Kartoniert/Broschiert.