Anda belum login :: 26 Nov 2024 19:15 WIB
Home
|
Logon
Hidden
»
Administration
»
Collection Detail
Detail
Sistem Pengenalan Huruf Alfabet Kapital dengan Variasi Ukuran Menggunakan Metoda Ekstraksi Ciri Integral Proyeksi dan Sistem Pengenalan Pola Jaringan Syaraf Tiruan Backpropagation
Oleh:
Rusydi, Muhammad Ilhamdi
;
Khaidir, Muhammad
Jenis:
Article from Proceeding
Dalam koleksi:
Prosiding Seminar Nasional Riset & Teknologi Terapan (Ritektra) "Peran Riset & Teknologi Terapan dalam Pengembangan Industri", Jakarta 7-8 Juli 2011 : Fakultas Teknik Elektro
,
page 82-89.
Topik:
Ekstraksi Ciri
;
Jaringan Syaraf Tiruan Backpropagation
;
Ukuran Font
;
Jarak
Fulltext:
TE-021 Full Muh Ilhamdi 82-89.pdf
(194.71KB)
Ketersediaan
Perpustakaan Pusat (BSD)
Nomor Panggil:
607.2598 PRO
Non-tandon:
1 (dapat dipinjam: 1)
Tandon:
tidak ada
Reserve
Lihat Detail Induk
Isi artikel
Pengenalan pola secara otomatis adalah masalah yang banyak menyita perhatian sekarang ini seperti pengenalan pola huruf hasil cetakan. Pengenalan citra huruf sering terkendala dari kemampuan sistem yang hanya mampu mengenali citra pada ukuran font dan jarak tertentu. Metode yang menunjukkan hasil yang menjanjikan dalam pengenalan pola tersebut adalah dengan menggunakan jaringan saraf tiruan backpropagation. Oleh karena itu dibuatlah sebuah aplikasi pengenalan citra huruf yang mampu mengenali citra huruf dengan variasi ukuran font dan jarak menggunakan jaringan saraf tiruan backpropagation. Tahapan proses pengenenalan citra huruf yaitu capture, konversi citra RGB ke citra intensitas, segmentasi, pelabelanfiltering, ekstraksi ciri dengan metode integral proyeksi, pelatihan dengan jaringan syaraf tiruan backpropagation dan pengujian. Hasil pengujian untuk mengenali 4704 data citra huruf menunjukkan arsitektur dan parameter jaringan yang memberikan unjuk kerja paling optimal untuk seluruh jenis font adalah 50 neuron pada lapisan tersembunyi dengan nilai toleransi 0.006 dan nilai threshold 0.3 = T = 0.5 . Persentase pengenalan dari pelatihan jaringan dengan arsitektur dan parameter jaringan optimal ini untuk data latih dan data baru masing-masing adalah 98.6% dan 80.3%.
Opini Anda
Klik untuk menuliskan opini Anda tentang koleksi ini!
Kembali
Process time: 0.03125 second(s)