This paper proposed a novel Handwri

This paper proposed a novel Handwriting Thai Signature Recognition algorithm, we used two groups of features. Global feature such as image area, pure height, pure width, center of handwriting Thai signature in the vertical, center of signature, horizontal, etc. and Grid feature with three block size then take all the features into a neural network for training for signature images from 10 persons with each 60 images by calculating the average of the signature of each person from all database for represent.
When through the process of learning with Multilayer perceptron (MLP) trained using back propagation algorithm and then fed to the neural network is another layer Radial basis Function (RBF) for use in decision.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เป็นนวนิยายลายไทยลายเซ็นอัลกอริทึม การนำเสนอเราใช้กลุ่มสองคุณลักษณะ คุณลักษณะส่วนกลางที่ตั้งรูป บริสุทธิ์สูง กว้างบริสุทธิ์ ของลายไทยลายเซ็นในฯลฯ ลายเซ็น แนวนอน แนวตั้ง และตาราง มีขนาดสามบล็อกแล้ว ใช้คุณลักษณะทั้งหมดเป็นเครือข่ายประสาทสำหรับการฝึกอบรมสำหรับภาพลายเซ็นจากภาพแต่ละ 60 10 คน โดยคำนวณค่าเฉลี่ยของแต่ละบุคคลจากฐานข้อมูลทั้งหมดเพื่อแสดงถึงการ
เมื่อผ่านกระบวนการเรียนรู้กับ Multilayer เพอร์เซปตรอน (MLP) โดยใช้อัลกอริทึมการเผยแพร่หลังการฝึกอบรม และติดตามเครือข่ายประสาทแล้ว อีกชั้นรัศมีพื้นฐานฟังก์ชัน (RBF) เพื่อใช้ในการตัดสินใจ

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอการเขียนด้วยลายมือลายเซ็นขั้นตอนวิธีการรับรู้นวนิยายไทยเราใช้สองกลุ่มของคุณสมบัติ คุณลักษณะระดับโลกเช่นพื้นที่ภาพสูงบริสุทธิ์กว้างบริสุทธิ์ศูนย์กลางของการเขียนด้วยลายมือลายเซ็นของไทยในแนวตั้งตรงกลางของลายเซ็น, แนวนอน, ฯลฯ และตารางพร้อมขนาดบล็อกสามแล้วใช้คุณลักษณะทั้งหมดที่เข้ามาในเครือข่ายประสาทสำหรับการฝึกอบรมสำหรับลายเซ็น ภาพจาก 10 ท่านด้วยกัน 60 ภาพโดยการคำนวณค่าเฉลี่ยของลายเซ็นของแต่ละคนจากฐานข้อมูลทั้งหมดสำหรับการเป็นตัวแทน
เมื่อผ่านกระบวนการของการเรียนรู้ที่มีหลาย Perceptron (MLP) ได้รับการฝึกฝนการใช้กลับวิธีการขยายพันธุ์และเลี้ยงแล้วโครงข่ายประสาทเทียมเป็นอีกหนึ่ง ชั้น Radial ฟังก์ชั่นพื้นฐาน (RBF) เพื่อใช้ในการตัดสินใจ

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอนวนิยายไทยรับรู้ลายมือลายเซ็นแบบที่เราใช้ สอง กลุ่ม คุณสมบัติ โลกสารคดี เช่น พื้นที่ภาพ , ความสูง , เพียว เพียว ความกว้าง ของศูนย์ไทย ลายมือลายเซ็นในแนวตั้งศูนย์ลายเซ็น , แนวนอน , ฯลฯและตารางคุณสมบัติ มีขนาด 3 บล็อคแล้วใช้คุณลักษณะทั้งหมดในเครือข่ายประสาทสำหรับการฝึกอบรมสำหรับภาพลายเซ็นจาก 10 คนแต่ละ 60 ภาพโดยการคำนวณค่าเฉลี่ยของลายเซ็นของแต่ละคน จากทุกฐานข้อมูล
แทนเมื่อผ่านกระบวนการของการเรียนรู้กับเพอร์เซปตรอนหลายชั้น ( MLP ) ฝึกการใช้ back propagation ขั้นตอนวิธีและจากนั้นป้อนไปยังเครือข่ายประสาทอีกชั้นรัศมีพื้นฐานการทำงาน ( RBF ) เพื่อใช้ในการตัดสินใจ