NGHIÊN CỨU NHẬN DẠNG SỐ VIẾT TAY VÀ ỨNG DỤNG GIẢI SUDOKU

Các tác giả

  • ThS. Đặng Thị Dung
  • Nguyễn Huỳnh Thiên Quốc
  • Đặng Hào Phú

Từ khóa:

CNN : Convolutional Neural Network, KNN: K-Nearest Neighbors, MNIST :Modified National Institute of Standards and Technology database.

Tóm tắt

Bài nghiên cứu tập trung nghiên cứu các mô hình máy học CNN, KNN, Mobilenet và áp dụng vào giải Sudoku bằng các phương pháp tiền xử lý dữ liệu giúp áp dụng các mô hình nhận diện số viết tay, sau khi cho các mô hình lần lượt huấn luyện và kiểm tra trên tập dữ liệu MNIST kết quả cho thấy mô hình CNN là 99,08 % mô hình Mobilenet là 98,36% và mô hình KNN là 97,7%. Qua bài nghiên cứu giúp có thể thấy được điểm mạnh và điểm yếu của các mô hình giúp độc giả có thể đưa ra gợi ý về việc áp dụng mô hình nào cho phù hợp vào từng đề tài hay dự án khác nhau .

Lượt tải

Chưa có dữ liệu tải xuống.

Tiểu sử tác giả

  • ThS. Đặng Thị Dung

    1 Khoa Công nghệ Thông tin, Trường Đại học Kỹ thuật - Công Nghệ Cần Thơ. 

    *Email: dtdung@ctuet.edu.vn                                                                                                               

  • Nguyễn Huỳnh Thiên Quốc

    1 Khoa Công nghệ Thông tin, Trường Đại học Kỹ thuật - Công Nghệ Cần Thơ. 

  • Đặng Hào Phú

    1 Khoa Công nghệ Thông tin, Trường Đại học Kỹ thuật - Công Nghệ Cần Thơ. 

Lượt tải xuống

Đã Xuất bản

2024-06-30

Số

Chuyên mục

Bài viết