Pengenalan Kata Menggunakan Self-Organizing Map Sebagai Input Kamus Berbasis Android
Teks penuh
Gambar
![Gambar 2.6. Proses Thinning. Citra sebelum thinning (a) dan citra hasil thinning (b)](https://thumb-ap.123doks.com/thumbv2/123dok/595973.71157/30.595.121.496.101.285/gambar-proses-thinning-citra-sebelum-thinning-citra-thinning.webp)
![Gambar 2.8. Struktur Sistem Pengenalan Pola](https://thumb-ap.123doks.com/thumbv2/123dok/595973.71157/31.595.122.507.103.254/gambar-struktur-sistem-pengenalan-pola.webp)
![Gambar 2.9. Contoh jaringan kohonen dengan ukuran node 4x4 dan 2 unit](https://thumb-ap.123doks.com/thumbv2/123dok/595973.71157/33.595.203.431.82.310/gambar-contoh-jaringan-kohonen-dengan-ukuran-node-unit.webp)
![Tabel 2.2. Tabel Penelitian Terdahulu](https://thumb-ap.123doks.com/thumbv2/123dok/595973.71157/35.595.99.530.501.755/tabel-tabel-penelitian-terdahulu.webp)
Dokumen terkait
Salah satu masalah yang dapat dipecahkan dengan menggunakan jaringan saraf tiruan Self Organizing Map adalah pengenalan pola pada tulisan tangan huruf alfabet.. Pada
Metode yang digunakan pada penelitian ini adalah pengenalan pola plat kendaraan dengan metode viola jones, kemudian segmentasi karakter plat menggunakan metode
Sedangkan proses pengenalan pola merupakan proses untuk menentukan nilai keakuratan BPNN dalam mengenali pola karakter huruf Jawa. Pola karakter berupa data pengujian
Salah satu metode adalah menggunakan perhitungan korelasi dalam mengenali pola karakter yang dapat dimanfaatkan dalam pengenalan catatan penjualan [1,2]..
proses pengenalan retina mata akan terjadi ketidakefisienan jika pixel dalam citra retina mata langsung digunakan kedalam proses pengenalan dan identifikasi retinopati
Metode ekstraksi ciri Segmentasi dan metode klasifikasi Jaringan Syaraf Tiruan Self-Organizing Map (SOM) dapat digunakan untuk mengenal pola citra huruf Jepang dengan akurasi sebesar
Akurasi yang di dapat dalam pengenalan tanda tangan menggunakan Jaringan Syaraf Tiruan Back-Propagation adalah 81.78%, dengan Jaringan Syaraf Tiruan Self Organizing Map 71.83%..
Dari hasil akurasi pengenalan diatas, sistem mampu dengan baik mengenali karakter yang standar maupun yang unik dari citra nomor seri tabung gas