شبكه باور عميق فازي براي دسته بندي ارقام دست نوشته انگليسي و فارسي با استفاده از اعداد فازي

با پيشرفتهاي شگرف اخير تحليل داده ها با حجم وسيعي انجام مي شود. در اين بين، به منظور تحليل دقيق تر پژوهش هاي زيادي - با روش هاي مبتكرانه اي در حوزه هاي مختلف از جمله هوش مصنوعي صورت پذيرفته است. يكي از روشهاي موجود در اين حوزه براي پردازش داده ها و تحليل آنها، شبكه هاي عصبي مصنوعي است كه با الهام از سيستم عصبي مغز انسان، در مواردي همچون پردازش تصوير، مدلسازي موضوع و دسته بندي الگوها كاربرد دارد. در اين مقاله با اضافه كردن عدم قطعيت به شبكه باور عميق، مدل فازي آن را ارائه مي نماييم و روش پيشنهادي را بر روي مجموعه داده ارقام دست نوشته انگليسي و فارسي مورد ارزيابي قرار مي دهيم. اضافه كردن عدم قطعيت به شبكه باور عميق در مسائل پيچيده تر با تعداد متغير بيشتر باعث بهبود عملكرد شده و به كارگيري اين روشها باعث ارتقاي دقت دسته بندي مي گردد. به طوري كه شبكه باور عميق فازي با معماري در نظر گرفته شده در مقاله، به دقتي بيش از 95 درصد بر روي مجموعه داده ارقام دست نوشته فارسي و بيش از 96 درصد بر روي مجموعه داده ارقام دست نوشته انگليسي دست يافته كه با توجه به پژوهش هاي صورت گرفته در اين حوزه از دقت مناسبي برخوردار است.