[1]. Ocr tizimlari haqida gapirib bering?

[88]. Naqshlarni aniqlashda pretsedent tushunchasi
Naqshlarni tanib olishda pretsedent tushunchasi yangi namunalarni aniqlash yoki tasniflash uchun ma'lumotnoma sifatida foydalaniladigan oldindan saqlangan namuna yoki namunalar to'plamini anglatadi. Ushbu saqlangan namunalar odatda "o'quv namunalari" yoki "o'quv ma'lumotlari" deb nomlanadi va keyinchalik yangi naqshlarni tasniflash uchun ishlatilishi mumkin bo'lgan modelni yaratish uchun ishlatiladi.
O'quv namunalari odatda ma'lum sinflar yoki toifalar to'plamidan yig'iladi va har bir namuna o'zi tegishli bo'lgan sinf bilan belgilanadi. Ushbu jarayon "nazorat ostidagi o'rganish" deb nomlanadi, chunki model o'quv ma'lumotlari tomonidan "nazorat qilinadi". Misol uchun, tasvirni aniqlashda mushuk va itlarning shunday yorliqlangan tasvirlari to'plami yangi tasvirlarda mushuk va itlarni tanib olish uchun modelni o'rgatish uchun o'rgatish ma'lumotlari sifatida ishlatiladi. Model o'qitilgandan so'ng, uni saqlangan pretsedentlar bilan taqqoslash orqali yangi naqshlarni tasniflash uchun foydalanish mumkin. Keyin yangi namuna mashg'ulot ma'lumotlari asosida eng o'xshash bo'lgan sinfga tayinlanadi.
Xulosa qilib aytganda, naqshni aniqlashda pretsedent tushunchasi yangi naqshlarni aniqlash yoki tasniflash uchun ma'lumotnoma sifatida ishlatiladigan ilgari saqlangan namunalarni anglatadi. Ushbu saqlangan namunalar odatda "o'quv namunalari" yoki "o'quv ma'lumotlari" deb nomlanadi va keyinchalik yangi naqshlarni tasniflash uchun ishlatilishi mumkin bo'lgan modelni yaratish uchun ishlatiladi. Jarayon "nazorat ostidagi o'rganish" deb nomlanadi, chunki model o'quv ma'lumotlari tomonidan "nazorat qilinadi".
[89]. Ballarga asoslangan tanib olish algoritmlari
Ballarga asoslangan tanib olish algoritmlari ma'lum bir kirish namunasi uchun har bir sinf yoki toifaga ball yoki ehtimollik qiymatini belgilaydigan algoritm turidir. Ushbu algoritmlar kirish namunasi va saqlangan pretsedentlar o'rtasidagi o'xshashlik yoki o'xshashlikni hisoblash uchun ball funksiyasidan foydalanadi. Eng yuqori ballga ega bo'lgan sinf yoki toifa eng ko'p mos keladigan deb hisoblanadi. Ballarga asoslangan tanib olish algoritmlarining ba'zi misollari quyidagilarni o'z ichiga oladi: Eng yaqin qo'shni algoritmi: Bu algoritm kirish namunasi va o'quv ma'lumotlaridagi eng yaqin pretsedent o'rtasidagi masofaga qarab har bir sinfga ball beradi. Eng kichik masofaga ega bo'lgan sinf eng ko'p mos keladigan deb hisoblanadi.Bayesian klassifikatorlari: Bu algoritm har bir sinfga shu sinfga tegishli kirish naqshining ehtimoli asosida ball qo'yadi. Eng yuqori ehtimoli bo'lgan sinf eng ko'p mos keladigan deb hisoblanadi. Vektorli mashinalarni qo'llab-quvvatlash (SVMs): Bu algoritm kirish namunasi va qaror chegarasi orasidagi masofaga qarab har bir sinfga ball belgilaydi. Qaror chegarasiga eng yaqin masofaga ega bo'lgan sinf eng ko'p mos keladigan deb hisoblanadi.Neyron tarmoqlari: Bu algoritm neyron tarmoqning chiqishi asosida har bir sinfga ball belgilaydi. Eng yuqori chiqish qiymatiga ega bo'lgan sinf eng ko'p mos keladigan sinf hisoblanadi. Ballarga asoslangan tanib olish algoritmlari yuqori aniqlik, moslashuvchanlik va murakkab ma'lumotlar bilan ishlash qobiliyati kabi bir qator afzalliklarga ega. Biroq, ular shuningdek, katta hajmdagi o'quv ma'lumotlarini talab qilish va shovqinga sezgir bo'lish kabi ba'zi kamchiliklarga ega. Xulosa qilib aytganda, ballarga asoslangan tanib olish algoritmlari ma'lum bir kirish namunasi uchun har bir sinf yoki toifaga ball yoki ehtimollik qiymatini belgilaydigan algoritm turidir. Ushbu algoritmlar kirish namunasi va saqlangan pretsedentlar o'rtasidagi o'xshashlik yoki o'xshashlikni hisoblash uchun ball funksiyasidan foydalanadi. Ballarga asoslangan tanib olish algoritmlarining ba'zi misollari orasida eng yaqin qo'shni algoritmi, Bayes klassifikatorlari, vektorli mashinalarni qo'llab-quvvatlash (SVM) va neyron tarmoqlari mavjud. Bu algoritmlar yuqori aniqlik, moslashuvchanlik va murakkab ma'lumotlar bilan ishlash kabi bir qancha afzalliklarga ega, biroq ayni paytda katta hajmdagi o'quv ma'lumotlarini talab qilish va shovqinga sezgirlik kabi ba'zi kamchiliklarga ega.