1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 122 — Компʼютерні науки (бакалаври)
Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://elartu.tntu.edu.ua/handle/lib/49635
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.advisorЛипак, Галина Ігорівна-
dc.contributor.advisorLypak, Halyna-
dc.contributor.authorЯсюк, Ангеліна Андріївна-
dc.contributor.authorYasiuk, Anhelina Andriivna-
dc.date.accessioned2025-07-08T14:03:45Z-
dc.date.available2025-07-08T14:03:45Z-
dc.date.issued2025-06-29-
dc.date.submitted2025-06-15-
dc.identifier.citationЯсюк А. А. Розробка інформаційної системи для розпізнавання рукописного тексту з використанням нейронних мереж : робота на здобуття кваліфікаційного ступеня бакалавра : спец. 122 - комп’ютерні науки / наук. кер. Г. І. Липак. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 57 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/49635-
dc.descriptionРоботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 29.06.2025р. на засіданні екзаменаційної комісії №30 у Тернопільському національному технічному університеті імені Івана Пулюяuk_UA
dc.description.abstractВ цій кваліфікаційній роботі досліджується застосування згорткових нейронних мереж для розпізнавання рукописного тексту. Метою даної роботи була розробка моделі глибинного навчання, яка буде класифікувати рукописні символи. У роботі були вивчені сучасні методи обробки тексту з застосуванням нейронних мереж. Реалізована модель відповідає поставленій меті і здатна класифікувати рукописні символиuk_UA
dc.description.abstractThis thesis explores the application of convolutional neural networks for handwritten text recognition. The aim of this work was to develop a deep learning model that would classify handwritten characters. The thesis examined modern methods of text processing using neural networks. The implemented model meets the set goal and is capable of classifying handwritten characters.uk_UA
dc.description.tableofcontentsВСТУП 8 РОЗДІЛ 1. АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ 10 1.1 Поточний стан в галузі розпізнавання тексту 10 1.2 Порівняння архітектур нейронних мереж для розпізнавання рукописного тексту 12 1.2.1 Згорткові нейронні мережі 12 1.2.2 Згорткові рекурентні нейронні мережі 13 1.2.3 Моделі на базі трансформерів 14 1.3 Визначення функціональних вимог до моделі розпізнавання тексту 16 1.4 Висновки до першого розділу 18 РОЗДІЛ 2. ТЕОРЕТИЧНІ ОСНОВИ РОЗПІЗНАВАННЯ РУКОПИСНОГО ТЕКСТУ 19 2.1 Відмінності рукописного і друкованого текстів 19 2.2 Розвиток технологій розпізнавання текстів 21 2.3 Процес навчання моделі 24 2.4 Застосування згорткових нейронних мереж для розпізнавання символів 25 2.5 Висновки до другого розділу 28 РОЗДІЛ 3. ПРАКТИЧНА РЕАЛІЗАЦІЯ СИСТЕМИ РОЗПІЗНАВАННЯ РУКОПИСНИХ СИМВОЛІВ 29 3.1 Інструменти, використані в роботі 29 3.2 Модель для розпізнавання символів 33 3.3 Висновки до третього розділу 45 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 46 4.1 Загальні вимоги безпеки до обладнання та технологічних процесів 46 4.2 Протипожедні заходи в офісних приміщеннях 49 4.3 Висновки до четвертого розділу 51 ВИСНОВКИ 52 ПЕРЕЛІК ДЖЕРЕЛ 53 ДОДАТКИuk_UA
dc.format.extent57-
dc.language.isoukuk_UA
dc.publisherТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject122uk_UA
dc.subjectглибинне навчанняuk_UA
dc.subjectзгорткові нейронні мережіuk_UA
dc.subjectобробка зображеньuk_UA
dc.subjectрозпізнавання рукописного тестуuk_UA
dc.subjectрукописний текстuk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectartificial intelligentuk_UA
dc.subjectconvolutional neural networksuk_UA
dc.subjectdeep learninguk_UA
dc.subjecthardwritten textuk_UA
dc.subjecthardwritten text recognitionuk_UA
dc.subjectimage processinguk_UA
dc.titleРозробка інформаційної системи для розпізнавання рукописного тексту з використанням нейронних мережuk_UA
dc.title.alternativeDevelopment of an Information System for Handwritten Text Recognition Using Neural Networksuk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holder© Ясюк Ангеліна Андріївна, 2025uk_UA
dc.coverage.placenameТернопільuk_UA
dc.subject.udc004.08uk_UA
dc.relation.references1. Optical Character Recognition (OCR): Emerging Trends and Future Applications. Jumio. URL: https://www.jumio.com/optical-character-recognition-trends-and-applications/.uk_UA
dc.relation.references2. What is OCR (Optical Character Recognition)? Benefits, Challenges, and Use Cases [Infographic]. Medium. URL: https://weareshaip.medium.com/what-is-ocr-optical-character-recognition-benefits-challenges-and-use-cases-infographic-225dbb067549.uk_UA
dc.relation.references3. Digitized Historical and Cultural Heritage Consolidation Technologies: From a Territorial Resource to a National Portal / Halyna Lypak та ін. 10th International Conference on Advanced Computer Information Technologies. Conference Proceedings, Deggendorf, Germany, 16 верес. 2020 / Ternopil National Economaical University.uk_UA
dc.relation.references4. Дубчак А. О. Напрямки використання штучного інтелекту в сучасних умовах / А. О. Дубчак, Я. В. Литвиненко // Матеріали міжнародної наукової конференції «ван Пулюй: життя в ім’я науки та України» (до 175-ліття від дня народження), 28-30 вересня 2020 року. — Т. : ФОП Паляниця В. А., 2020. — С. 64–65.uk_UA
dc.relation.references5. What are convolutional neural networks?. IBM. URL: https://www.ibm.com/think/topics/convolutional-neural-networks.uk_UA
dc.relation.references6. What is LSTM – Long Short Term Memory? [Електронний ресурс] – Режим доступу до ресурсу: https://www.geeksforgeeks.org/deep-learningintroduction-to-long-short-term-memory/.uk_UA
dc.relation.references7. Text Recognition With CRNN-CTC Network. Wandb. URL: https://wandb.ai/authors/text-recognition-crnn-ctc/reports/Text-Recognition-With-CRNN-CTC-Network--VmlldzoxNTI5NDI.uk_UA
dc.relation.references8. TrOCR. Huggingface. URL: https://huggingface.co/docs/transformers/model_doc/trocr.uk_UA
dc.relation.references9. Building a Handwriting Recognition System with CRNN: A Beginner’s Guide. Medium. URL: https://medium.com/@pavitharan2020/building-a-handwriting-recognition-system-with-crnn-a-beginners-guide-58a51a46dd15.uk_UA
dc.relation.references10. TrOCR — Transformer-based Optical Recognition Model. Medium. URL: https://medium.com/@tejpal.abhyuday/trocr-transformer-based-optical-recognition-model-811f7b3217da.uk_UA
dc.relation.references11. Emnist. Tensorflow. URL: https://www.tensorflow.org/datasets/catalog/emnist.uk_UA
dc.relation.references12. Перенавчання. Google for Developers. URL: https://developers.google.com/machine-learning/crash-course/overfitting/overfitting?hl=uk.uk_UA
dc.relation.references13. Natural Language Processing (NLP) – Overview [Електронний ресурс] – Режим доступу до ресурсу: https://www.geeksforgeeks.org/natural-languageprocessing-overview/.uk_UA
dc.relation.references14. Exploring Natural Language Processing (NLP) in Translation [Електронний ресурс] – Режим доступу до ресурсу: https://www.shaip.com/blog/nlp-in-translation/.uk_UA
dc.relation.references15. Fundamentals of Statistical Natural Language Processing [Електронний ресурс] – Режим доступу до ресурсу: https://www.proxet.com/blog/fundamentalsof-statistical-natural-language-processinguk_UA
dc.relation.references16. Handwriting Text Recognition (HTR). PlanetAI. URL: https://planet-ai.com/handwriting-text-recognition-htr/.uk_UA
dc.relation.references17. Бабак В. П., Марченко М. Є., Фриз. Б. Г. Теорія ймовірностей, випадкові процеси та математична статистика. К.: Техніка, 2004. 288 с.uk_UA
dc.relation.references18. Roscoe Goble Loveth. Transforming OCR Accuracy: The Impact of Deep Learning vs. Bayesian Inference in Handwritten Character Recognition. ResearchGate. 2024.uk_UA
dc.relation.references19. OCR Deep Learning: The Curious Machine Learning Case. Labelyourdata. URL: https://labelyourdata.com/articles/ocr-with-deep-learning.uk_UA
dc.relation.references20. The EMNIST Dataset. NIST. URL: https://www.nist.gov/itl/products-and-services/emnist-dataset.uk_UA
dc.relation.references21. What is Adam Optimizer?. GeeksforGeek. URL: https://www.geeksforgeeks.org/deep-learning/adam-optimizer/.uk_UA
dc.relation.references22. Липак Г., Липак Т., Кунанець Н. Проєктування інформаційної системи на основі машинного навчання для збереження та класифікації артефактів документальної спадщини. Вісник Хмельницького національного університету: технічні науки. Т. 334 № 4 (2024). С. 176-182. https://doi.org/10.31891/2307-5732-2024-339-4-29uk_UA
dc.relation.references23. Fryz M., Scherbak L., Mlynko B., Mykhailovych T. Linear Random Process Model-Based EEG Classification Using Machine Learning Techniques. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). Ternopil, Ukraine: CEUR Workshop Proceedings, 2023. Vol. 3468. P. 126–132.uk_UA
dc.relation.references24. Multi-Layer Neural Network [Електронний ресурс] – Режим доступу до ресурсу: http://deeplearning.stanford.edu/tutorial/supervised/MultiLayerNeuralNetworks/.uk_UA
dc.relation.references25. What is gradient descent? [Електронний ресурс] – Режим доступу до ресурсу: https://www.ibm.com/think/topics/gradient-descent.uk_UA
dc.relation.references26. Що таке обробка природної мови (NLP) та як вона може використовуватися у бізнесі [Електронний ресурс] – Режим доступу до ресурсу: https://metinvest.digital/ua/page/1052.uk_UA
dc.relation.references27. Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що / пер. з англ. Юлія Костюк. – 3-тє вид. – К. :Лабораторія, 2023. – 288 сuk_UA
dc.relation.references28. Luis Serrano. Grokking Machine Learning, 2023. – 512 c.uk_UA
dc.relation.references29. Функції активації: Ступінчаста, лінійна, сигмоїда, ReLU та Tanh. Robotdreams. URL: https://robotdreams.cc/uk/blog/327-funkciji-aktivaciji-stupinchasta-liniyna-sigmojida-relu-ta-tanh.uk_UA
dc.relation.references30. What are Convolution Layers?. GeeksforGeek. URL: https://www.geeksforgeeks.org/machine-learning/what-are-convolution-layers/.uk_UA
dc.relation.references31. A Brief History of Natural Language Processing [Електронний ресурс] – Режим доступу до ресурсу: https://www.dataversity.net/a-brief-history-of-naturallanguage-processing-nlp/.uk_UA
dc.relation.references32. TensorFlow і машинне навчання. Foxminded. URL: https://foxminded.ua/tensorflow-shcho-tse/.uk_UA
dc.relation.references33. Keras 3 API documentation. Keras. URL: https://keras.io/api/.uk_UA
dc.relation.references34. TensorFlow Datasets: a collection of ready-to-use datasets.. Tensorflow. URL: https://www.tensorflow.org/datasets.uk_UA
dc.relation.references35. Matplotlib: Visualization with Python. Matplotlib. URL: https://matplotlib.org/.uk_UA
dc.relation.references36. Jupyter for Data Science [Електронний ресурс] – Режим доступу до ресурсу: https://docs.jupyter.org/en/latest/use/use-cases/data_science.html.uk_UA
dc.relation.references37. Why Deep Learning Need GPU. GeeksforGeek. URL: https://www.geeksforgeeks.org/deep-learning/why-deep-learning-need-gpu/.uk_UA
dc.relation.references38. Ерік Маттес. Пришвидшений курс Python / Ерік Маттес. – Львів: Видавництво Старого Лева, 2021. – 600 сuk_UA
dc.relation.references39. Neural networks and statistical techniques: A review of applications [Електронний ресурс] – Режим доступу до ресурсу: https://www.sciencedirect.com/science/article/abs/pii/S0957417407004952?__cf_chl _tk=nhhMjiamBzsEVB5EwXrkCHoUKIFsLCmLjsR6OU_WZD0-1734599769- 1.0.1.1-OvKUGdsIHDUcx3Qujo9P.nL0wOl5J9yuylTXZkZ1RQQ.uk_UA
dc.relation.references40. Python for Machine Learning [Електронний ресурс] – Режим доступу до ресурсу: https://www.geeksforgeeks.org/python-for-machine-learning/.uk_UA
dc.relation.references41. Кліщ, М., Липак, Г., Кунанець, Н., Пасічник, С., & Липак, Т. Структура інформаційної системи передбачення та інтерпретації зміни стану користувача сервісу. Вісник Національного Університету «Львівська Політехніка». Інформаційні системи та мережі, 17 (2025). С. 226 - 238. https://doi.org/10.23939/sisn2025.17.226uk_UA
dc.relation.references42. Python for Mathematicians [Електронний ресурс] – Режим доступу до ресурсу: https://www.math.purdue.edu/~bradfor3/ProgrammingFundamentals/Python/.uk_UA
dc.relation.references43. Безпечність машин. Загальні принципи проектування. Оцінювання ризиків та зменшення ризиків: ДСТУ EN ISO 12100:2016. – Київ : Мінекономрозвитку України, 2016.uk_UA
dc.relation.references43. Безпечність машин. Загальні принципи проектування. Оцінювання ризиків та зменшення ризиків: ДСТУ EN ISO 12100:2016. – Київ : Мінекономрозвитку України, 2016.uk_UA
dc.relation.references45. Аналітична довідка про пожежі та їх наслідки в Україні за 11 місяців 2024 року. ДСНС. URL: https://dsns.gov.ua/upload/2/2/8/5/6/0/7/analitychna-dovidka-pro-pojeji-112024.pdf.uk_UA
dc.relation.references46. Будівлі та споруди. Пожежна безпека. Загальні вимоги : ДБН В.1.1-7:2016. – [Чинний від 01.06.2017]. – Київ : Мінрегіон України, 2016.uk_UA
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
Koleksiyonlarda Görünür:122 — Компʼютерні науки (бакалаври)

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
2025_KRB_SN-43_Yasiuk_AА.pdfДипломна робота1,37 MBAdobe PDFGöster/Aç
Kısa Öğe Kaydını Göster İstatistikler


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.

Yönetim Araçları