Attēlu atpazīšana, izmantojot neirona tīklus un nestrikto loģiku

Abstract

Bakalaura darbā tiek aplūkota attēlu atpazīšana, izmantojot neironu tīklus un nestrikto loģiku. Pētījuma galvenais mērķis ir izpētīt neironu tīklu un nestriktās loģikas teoriju pamatprincipus un sasniegumus. Turklāt tiek veikts praktisks piemērs, konkrēti, ar roku rakstītu ciparu atpazīšana. Lai to paveiktu, tiek izmantots divu slāņu neironu tīkls ar ReLU aktivizācijas funkciju, un tiek pielietoti nestriktas loģikas noteikumi, lai uzlabotu atpazīšanas procesa precizitāti.

Bachelor thesis focuses on the subject of image recognition utilizing the combined potential of neural networks and fuzzy logic. The primary objective of this research is to investigate the fundamental principles and achievements in the fields of neural networks and fuzzy logic theories. Additionally, a practical demonstration is conducted, specifically involving the recognition of handwritten digits. To accomplish this, a two-layer neural network is implemented, incorporating the Rectified Linear Unit (ReLU) activation function. Furthermore, fuzzy logic rules are applied to enhance the accuracy of the recognition process.