TY -的A2 -古普塔,Savita AU -辛格Tajinder Pal AU -古普塔,Sheifali AU - Garg Meenu AU - Verma阿米特盟——挂,诉诉AU -梭,h . h . AU -伊斯兰教,打消Md哈卢·PY - 2023 DA - 2023/05/03 TI -转移和深度上优于果鲁穆奇语手写单词分类模型SP - 4768630六世- 2023 AB -世界上有一个巨大的收集的文本与放弃的知识。然而,这是一个困难和费时的过程手动读取和识别文本写在许多地区脚本。果鲁穆奇语脚本的任务变得更加关键字符由于复杂结构动力设计一个挑战的错误和准确果鲁穆奇语字符的分类模型。在这篇文章中,作者定制卷积神经网络模型对手写果鲁穆奇语单词进行分类。此外,与24000年数据集已经准备手写果鲁穆奇语单词图片12类代表月的名字。异构数据集已经收集到的500个用户的职业和年龄。数据集被模拟的使用提出了CNN模型以及各种pretrained模型称为ResNet 50, VGG19, VGG16 100时代和40批量大小。提出了CNN模型取得了最好的精度值为0.9973,而ResNet50模型取得了0.4015的准确性,VGG19取得了0.7758的准确性,VGG16模型取得了价值0.8056的准确性。与当前的准确率,并且架构模式,使用不同的写作风格和能力通过学习,提出了CNN模型将大有好处这一领域的研究人员使用它在其他ImageNet-based分类问题。SN - 1024 - 123 - 2023/4768630 / 10.1155 x你——https://doi.org/10.1155/2023/4768630——摩根富林明——数学问题在工程PB - Hindawi KW - ER