Daftar Isi: Recognize Arabic Handwritten using CNN Model

Main Authors:	M., Abdul Muhsin, Oleiwi, Bashra Kadhim, Alkhalid, Farah F.
Format:	Article info application/pdf Journal
Bahasa:	eng
Terbitan:	University of Babylon , 2019
Subjects:	CNN Deep Learning Arabic Handwritten Python الشبكة العصبية التلافيفية التعليم المعمق الخط العربي لغة البايثون
Online Access:	https://www.journalofbabylon.com/index.php/JUBPAS/article/view/3010 https://www.journalofbabylon.com/index.php/JUBPAS/article/view/3010/2303

Daftar Isi:

احد أكثر التحديات التي تواجه التعلم الآلي هو التعرف على الكتابة بخط اليد ، وخاصة النصوص العربية ، لأن  هناك العديد من أساليب الكتابة للخط العربي. في هذه الورقة ، يُقترح نموذج تحقيق لتمييز النصوص العربية المكتوبة بخط اليد باستخدام الشبكة العصبية التلافيفية (CNN)، مع طبقات متعددة من التطبيع والتنظيم لتقليل وقت التدريب وزيادة الدقة الإجمالية ، تم الوصول الى  دقة تحقق 98 ٪ لمجموعة بيانات Kaggle للغة العربية حيث استخدمت أحرف وأرقام مكتوبة بخط اليد باستخدام Python.
One of the most challenges that face machine learning is handwritten recognition, especially Arabic scripts, because many styles found for Arabic font. In this paper, an investigation model is proposed to make recognition for Arabic handwritten scripts utilizing Convolutional Neural Network (CNN), with multi layers of Normalization and Regularization to reduce training time and increase overall accuracy, with validation accuracy 98% for Kaggle dataset for Arabic handwritten characters and digits using Python.