From the above Tab. III, we observe

From the above Tab. III, we observe that the recognition
accuracy increases to 92.3 1 % from 88 .46% when we apply
EDM and it further increases to 99.23% when we incorporate
recognition score to the Euclidean distances as a new
approach. Work is going on, we are trying to further improve
the recognition accuracy in terms of data samples and
recognition process time using some other methods and
techniques such as fuzzy logic and hidden Markov models so
as to get the consistency in recognition accuracy. In this paper,
we introduced a new approach which is a combined effect of
the EDM and ANN. We used this new technique only for the
unrecognized characters and get a very good recognition
performance.

ผลลัพธ์ (ไทย) 1:

จาก III แท็บด้านบน เราสังเกตพบว่า การรู้ความแม่นยำเพิ่มขึ้น 92.3% 1 จาก 88 46% เมื่อเราใช้EDM และยิ่งเพิ่ม% 99.23 เมื่อเรารวมคะแนนการรับรู้ถึงระยะทาง Euclidean เป็นใหม่แนวทางการ งานที่เกิดขึ้น เราพยายามที่จะปรับปรุงต่อไปความรู้ในรูปแบบของข้อมูลตัวอย่าง และเวลาประมวลผลการใช้วิธีอื่น ๆ และเทคนิคเช่นตรรกศาสตร์และซ่อน Markov รุ่นนั้นเป็นรับความสอดคล้องในการรับรู้ความถูกต้อง ในเอกสารนี้เราแนะนำวิธีการแบบใหม่ซึ่งเป็นผลรวมของEDM และแอน เราใช้เทคนิคใหม่นี้เท่าตัวอักษรที่ไม่รู้จักและรับรู้ที่ดีมากประสิทธิภาพของ

ผลลัพธ์ (ไทย) 2:

จากแท็บดังกล่าวข้างต้น สามเราสังเกตที่ได้รับการยอมรับความถูกต้องเพิ่มขึ้น 92.3% จาก 1 88 0.46% เมื่อเราใช้ EDM และจะเพิ่มขึ้นต่อไป 99.23% เมื่อเรารวมคะแนนการรับรู้ถึงระยะทางแบบยุคลิดเป็นใหม่วิธีการ การทำงานที่เกิดขึ้นเราจะพยายามที่จะปรับปรุงความถูกต้องได้รับการยอมรับในแง่ของตัวอย่างข้อมูลและระยะเวลาดำเนินการรับรู้โดยใช้วิธีการอื่นๆ และเทคนิคเช่นตรรกศาสตร์และรูปแบบมาร์คอฟที่ซ่อนเพื่อให้ได้รับความมั่นคงในความถูกต้องได้รับการยอมรับ ในบทความนี้เราได้นำวิธีการใหม่ซึ่งเป็นผลรวมของEDM และ ANN เราใช้เทคนิคใหม่นี้เฉพาะสำหรับตัวละครที่ไม่รู้จักและได้รับการยอมรับที่ดีมากประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

จากแท็บด้านบน 3 เราสังเกตว่าตนเองรับรู้
ความถูกต้องเพิ่มขึ้นร้อยละ 1 จาก 88 . 46 % เมื่อเราใช้
EDM และมันเพิ่มขึ้น เพื่อ 99.23 เมื่อเรารวม
ยอมรับคะแนนให้ใช้ระยะทางเป็นวิธีการใหม่

งานที่เกิดขึ้น , เราพยายามที่จะปรับปรุงความถูกต้องในการรู้จำ

ตัวอย่างข้อมูล และในแง่ของเวลากระบวนการรู้จำใช้บางวิธีอื่น ๆและ
เทคนิคเช่นตรรกศาสตร์คลุมเครือและแบบจำลองฮิดเดนมาร์คอฟดังนั้น
ที่จะได้รับความสอดคล้องในการรับรองความถูกต้อง ในกระดาษนี้
เราแนะนำวิธีใหม่ซึ่งเป็นผลรวมของ
EDM และแอน เราใช้เทคนิคใหม่นี้เฉพาะสำหรับ
ตัวละครที่ไม่รู้จักและได้รับการยอมรับประสิทธิภาพ
ดีมาก