研究目的
通过将图像处理技术与量子神经网络(QNN)相结合,提高字符识别的准确性和可靠性。
研究成果
基于多层激励函数的粗特征提取与量子神经网络(QNN)相结合,有效提升了字符的识别率和可靠性,展现出比传统神经网络更高的识别效率与更优的适用性。
研究不足
该研究聚焦于数字角色,可能无法推广至其他类型角色或更复杂的图像。该方法的有效性已通过模拟实验得到验证,但在实际应用中可能会面临额外挑战。
研究目的
通过将图像处理技术与量子神经网络(QNN)相结合,提高字符识别的准确性和可靠性。
研究成果
基于多层激励函数的粗特征提取与量子神经网络(QNN)相结合,有效提升了字符的识别率和可靠性,展现出比传统神经网络更高的识别效率与更优的适用性。
研究不足
该研究聚焦于数字角色,可能无法推广至其他类型角色或更复杂的图像。该方法的有效性已通过模拟实验得到验证,但在实际应用中可能会面临额外挑战。
加载中....
您正在对论文“[2018年第二届IEEE先进信息管理、通信、电子与自动化控制会议(IMCEC)- 西安(2018.5.25-2018.5.27)] 2018年第二届IEEE先进信息管理、通信、电子与自动化控制会议(IMCEC)- 基于图像特征提取与量子神经网络的字符识别系统设计”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期