Распознавание рукописного ввода с использованием нейронных сетей (написано на языке 1С).Light version.

23.10.14

Разработка - Математика и алгоритмы

Эта обработка - пример на 1С применения обучаемой нейросети для распознавания рукописного неслитного текста на любом языке и наборе символов. Решение написано для распознавания анкетных форм, когда буквы вписываются в квадратики, но может применяться и для других областей, например для распознавания печатного текста. Данная обработка - рабочая бета версия, своего рода SDK для встраивания в свои решения, предназначена для программистов а не для конечного пользователя.Честно скажу - с ней нужно повозиться. Сам алгоритм, который лег в основу - собственного изготовления, по смыслу похожий на обучаемые карты Кохонена, но и в корне отличный.И алгоритм и обработка в стадии активного развития. В эту версию не вошло самооптимизация после обучения сети. Можно делать оптимизацию вручную.

Скачать файлы

Наименование Файл Версия Размер
РаспознаваниеРукописногоВводаЛайт.zip
.zip 146,92Kb
93
.zip 146,92Kb 93 Скачать

Почему возникла идея прикрутить распознавание к 1С? Потому что 1С обладает неоспоримым преимуществом - она обеспечивает лингвистическую поддержку на уровне реквизитов ИБ с их типами данных и значениями! Например требуется распознать в анкете поле "Сотрудник" - это уже ограничено значениями справочника "Сотрудники" а не всеми словами русского языка, а если учесть что можно отборать (т.к. это 1С мы можем делать что хотим) для конкретного документа только тех сотрудников, котрые в коммандировке - то и вовсе несколько строк получается. Таким образом даже если система неправильно распознает одну или даже несколько букв, всегда можно проверить проверочным словарем - отборанными сотрудниками, и автоматически же исправить, чтобы система обучилась и в следующий раз не повторяла эту ошибку.Это большое преимущество перед другими системами, которое может сделать распознавание вполне приемлемым. Кроме того код, написанный на 1С могут править все 1С программисты.

Работа с обработкой состоит из двух этапов:

1)Первичное обучение на закладке обучение. Требуется написать по 3 буквы собсвенным почерком и  сопоставить им символы с клавиатуры. Вприниципе этот этап можно было бы исключить, но так быстрее сеть входит в свое рабочее состояние.

2)Распознавание.  Можно использовать саму обработку просто чтобы посмотреть,но смысл конечно в том, чтобы встроить это в свою конфигурацию.

Области данных на обеих закладках нужны для того чтобы не обрабатывать весь документ, а указать примерно где какие реквизиты искать. Эти  области задаются в пикселях X1,Y1 - верхний левый угол;X2,Y2-правый нижний угол области. Для того чтобы из примерно определить можно открыть картинку в Paint-е или другом редакторе, который показывает пиксели - в левом, нижнем углу будут эти самые пиксели.

 

Смысл алгоритма работы изображен на схеме. Сначала происходит распознавание "квадратиков" - это пока не сеть, а предопределенный алгоритм.Этот адгоритм ищет вертикальные и горизнтальные прямые линии. Прямую линию он понимает как целую фигуру, у которой длина существенно больше ширины. Пара вертикальных и пара горизонтальных линий - это и есть "квадратик" в который пишутся буквы. Алгоритм "вырезает" буквы из "квадратика" и записывает в матрицу, чтобы предать дальше для распознавания.

Затем идет распознавание и обучение сети. Почему я использую однослойную сеть? Потому что один слой обрабатывается на этапе распознавания быстрее чем n-слоев. И при этом, что самое важное сеть можно организовать соптимизировать так, что найдется некая карта у которой совпадение будет максимально "заточено" под входной результат, т.е. изначально с большей степенью вероятности будет попадание в 10-ку. Этим как раз и занимается алгоритм самооптимизации(нет в light version). На эту обработку тоже тратится процессорное время, но это происходит позже, в фоне а не на этапе распознавания.

В архиве приложены примеры образца для первичного обучения и для распознавания - эти примеры сеть распознает абсолютно точно. На них можно проверить как это работает.

 

Технические требования для работы:

1)Для работы необходимо скачать и установить GFLAx http://www.xnview.com/en/GFL/#downloads

2)В конфигурации должен быть справочник ХранилищеДополнительнойИнформации - т.е. как в любой типовой конфе.

Ограничения при работе с данным релизом:

1)Не реалзована подгонка размеров, поэтому первоначальное обучение и дальнейшая работа должна происходить примерно с одним размером картики, что легко достигается при использовании сканера. Т.е. например если в начальных образцах толщина букв(не ширина а именно толщина) 3 пикселя то и дальше толщина должна быть тоже примерно 3 пикселя.

2)Распознавание на черно и белое прописано в функции ПрочитатьМатрицу() для глубины цвета 24 - возможно потребуется поменять этот параметр для конкретных условий(более темная и светлая картинка) или другой глубины. Желательно(не обязательно) предварительное преобразования в B&W, так можно убедиться что черно-белая картинка впринципе читаема.  

3)Разрешение и скорость работы. Чем больше разрешение тем ниже скорость работы, но выше точность. В приложенном образце толщина букв примерно 4 символа распознавание максимально достоверное, но скорость не очень. Можно снижать до 2 - скорость резко возрастает.

 

Ну и самое главное - это сложная штука, с которой нужно повозиться. Это не готовый продукт, да и сама нейросеть не может быть готовым продуктом, т.к. встраивается в конкретную конфигурацию,обучается под конкретные условия. Так что не спешите минусовать, если что то не работает. В общем, надеюсь эта обработка поможет тем кто решил заняться чем то подобным. Сам я готов ответить на любые вопросы по теме.

распознавание текста нейросети

См. также

SALE! 30%

Распознавание и загрузка сканов в 1С "одним нажатием": УПД, ТОРГ-12, накладные, счета, номенклатура, заказы и т.д.

Загрузка и выгрузка в Excel Документооборот и делопроизводство (СЭД) Учет документов Распознавание документов и образов Управляемые формы 1С:Комплексная автоматизация 1.х 1С:Бухгалтерия 2.0 1С:Управление торговлей 10 1С:Розница 2 1С:Управление производственным предприятием 1С:Управление нашей фирмой 1.6 1С:ERP Управление предприятием 2 1С:Бухгалтерия 3.0 1С:Управление торговлей 11 1С:Управление холдингом 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 Бухгалтерский учет Управленческий учет Платные (руб)

Универсальная программа для распознавания ЛЮБЫХ СКАНОВ ИЛИ ФОТО ТОВАРНЫХ ДОКУМЕНТОВ в 1С. Не требует указания параметров и предварительной настройки. Просто выбираете файл (PDF, JPG, DOC, XLS, HTML и т.д.) выбираете документ 1С и нажимаете кнопку "Распознать и загрузить".

6000 5520 руб.

04.06.2019    101379    296    173    

312

SALE! 50%

Потоковая предметная фотосъемка c удалением фона (Canon & Nikon)

Нейросети 8.3.6 1С:Управление торговлей 11 Управленческий учет Платные (руб)

Обработка подключения фотокамер Canon и Nikon к Управление торговлей 11.4 для потоковой загрузки фотографий в карточки товаров с автоматическим удалением фона

22800 11400 руб.

24.06.2021    9195    2    3    

11

Распознавание номеров автомашин с ip - камер, видео, фото

Распознавание документов и образов Периферийные устройства Автомобили, автосервисы Россия Платные (руб)

Программа считывает кадры с ip-камер (http - запрос к камере), видео, фото (источники кадров (нет ограничения на их количество) настраивается в конфигурационном файле), находит и распознает номера автомашин и сохраняет в базу db, с сохранением фото номера и автомашины, а также времени детекции.

20400 руб.

31.05.2023    3803    2    1    

3

Заполнение описания номенклатуры с помощью ChatGPT

Мастера заполнения Нейросети Платформа 1С v8.3 Конфигурации 1cv8 1С:Управление торговлей 11 Платные (руб)

Расширение для заполнения описания номенклатуры с помощью модели ИИ ChatGPT. Расширение формирует продающее описание товара по его наименованию с помощью модели искусственного интеллекта. Будет полезно для владельцев интернет магазинов, каталогов товаров и продающих через маркетплейсы. Адаптировано для основных конфигураций: УТ, ЕРП, КА, УНФ. Прошло аудит на 1cfresh.com. Версия для автоматического заполнения

5000 руб.

13.03.2023    15941    42    49    

74

Заполнение описания номенклатуры с помощью GigaChat

Нейросети Мастера заполнения Платформа 1С v8.3 1С:ERP Управление предприятием 2 1С:Управление торговлей 11 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 Платные (руб)

Расширение для заполнения описания номенклатуры с помощью модели ИИ GigaChat от Сбера. Расширение формирует продающее описание товара по его наименованию с помощью модели искусственного интеллекта. Будет полезно для владельцев интернет магазинов, каталогов товаров и продающих через маркетплейсы. Адаптировано для основных конфигураций: УТ, ЕРП, КА, УНФ.

5000 руб.

08.11.2023    1413    5    0    

13

SALE! 30%

Когда много сканов: Автоматическое прикрепление сканированных документов

Учет документов Распознавание документов и образов Платформа 1С v8.3 1С:ERP Управление предприятием 2 1С:Управление торговлей 11 1С:Комплексная автоматизация 2.х Россия Платные (руб)

Обработка экономит время, распознавая и прикрепляя сканированные оригиналы документов к документам в 1С. Поддерживаются штрихкоды, QR-коды, отсканированные PDF документы без штрихкодов, полученные в результате потокового сканирования PDF документы, сформированные в ЭДО PDF документы.

6480 4536 руб.

23.12.2021    12083    7    24    

7

Библиотека искусственного интеллекта для 1С

Инструментарий разработчика Нейросети Платформа 1С v8.3 Управляемые формы Конфигурации 1cv8 Абонемент ($m)

Уже год с лишним, как большие языковые модели (LLM GPT) находятся в центре внимания. За это время появилось понимание, как можно использовать данную технологию в связке с 1С. Кроме того, теперь у нас есть множество провайдеров. Среди них не только зарубежные, но и местные. Данная библиотека обобщает опыт использования искусственного интеллекта в 1С и дает вам возможность создавать собственные решения, не отвлекаясь на второстепенные технические детали.

10 стартмани

11.03.2024    9988    26    mkalimulin    15    

49

Метод Дугласа-Пойкера для эффективного хранения метрик

Математика и алгоритмы Платформа 1C v8.2 Конфигурации 1cv8 Россия Абонемент ($m)

На написание данной работы меня вдохновила работа @glassman «Переход на ClickHouse для анализа метрик». Автор анализирует большой объем данных, много миллионов строк, и убедительно доказывает, что ClickHouse справляется лучше PostgreSQL. Я же покажу как можно сократить объем данных в 49.9 раз при этом: 1. Сохранить значения локальных экстремумов 2. Отклонения от реальных значений имеют наперед заданную допустимую погрешность.

1 стартмани

30.01.2024    1754    stopa85    12    

33
Комментарии
В избранное Подписаться на ответы Сортировка: Древо развёрнутое
Свернуть все
1. Serj1C 483 17.10.13 12:55 Сейчас в теме
Где взять Новый COMОбъект("GFLAx.GFLAx") ?
2. burlakov 79 17.10.13 14:29 Сейчас в теме
очень интересная разработка. есть аналогичная, но немного недоделанная по решению задач анализа и обобщения информации.
3. andrewks 1368 17.10.13 20:49 Сейчас в теме
нужно учесть, что используемый обработкой компонент имеет лицензию

GFL SDK is provided as FREEWARE (NO Adware, NO Spyware) for private or educational use (including non-profit organizations).
If you enjoy using GFL SDK, Don't hesitate to help the developer with a small donation.


т.е. использование в коммерческих компаниях не будет обладать лицензионной чистотой
5. informa1555 2646 18.10.13 09:07 Сейчас в теме
(3) andrewks, Да Вы правы.Но это решаемая проблема, есть другие компоненты, просто с этой было проще работать - там всего несколько строчек - пиксели в массив записываются и все.
4. AltF1 8 18.10.13 08:20 Сейчас в теме
Механизмы рейронных сетей необходимо включать в конфигурации 1С, где есть регл учет, чтобы понимать пользователей и их действия!
theelectric; ElektronHM; SkyHunter; +3 Ответить
6. informa1555 2646 18.10.13 09:09 Сейчас в теме
(4) kiv82, Интересная мысль))
7. MarSeN 984 19.10.13 12:00 Сейчас в теме
Какая сеть используется? я так понял, что многослойный персептрон?
Сколько на выходе нейронов?
Если возможно, напишите краткие тех. характеристики сети. Меня давно интересует данный вопрос. Уже вторая статья подряд на инфостарте попадает в в зону моего интереса (после штудирования инфо в инете выходит статья на ИС :-))
9. informa1555 2646 19.10.13 12:30 Сейчас в теме
(7) MarSeN, Используется однослойный перцептрон типа самоорганизующихся карт Кохонена но по своему алгоритму. Многослойные медленнее на этапе распознавания. Упор сделан на обучение и организацию карт чтобы при распознавании бысрее находился нужный вариант.
8. MarSeN 984 19.10.13 12:02 Сейчас в теме
и еще вопрос в догонку...
я так понимаю что GFLAx как раз-таки используется для "выделения" букв перед отправкой на входной слой нейронной сети.
10. informa1555 2646 19.10.13 12:33 Сейчас в теме
(8) MarSeN, GLAfx используется только для того чтобы пиксели в массив записать и все. Вся работа с изображением полностью на 1С ну и далее распознавание и обучение тоже.
11. MarSeN 984 21.10.13 23:48 Сейчас в теме
(10) informa1555,
Спасибо.
На выходе сколько нейронов?
12. informa1555 2646 22.10.13 03:35 Сейчас в теме
Сколько обучите столько и будет. Идея заключается в том что на один значащий выход на одном слое может быть много нейронов. Например я цифру 7 могу писать с палочкой посередине и без, поэтому у меня накапливается опыт по обоим вариантам,но все они ведут в итоге к 7ке
25. MarSeN 984 28.10.13 00:35 Сейчас в теме
(12) informa1555,
спасибо за ответ. увидел случайно, так как он не был "адресован" мне
13. rasswet 82 23.10.13 10:02 Сейчас в теме
здОрово и любопытно! респект!
14. DAnry 8 23.10.13 13:30 Сейчас в теме
Великая и могучая 1С... Ну и, конечно, универсальная. Что еще не делали на 1С?
45. pvlunegov 157 16.06.15 17:54 Сейчас в теме
(14) DAnry,
В 1с нет объектно-ориентированного подхода.
Это огромный минус, который ведет к сложному коду.
На любом объектно-ориентированном языке подобные задачи выглядят в коде изящнее и проще в понимании.
kuzjin; kote; +2 Ответить
15. gruk 15 24.10.13 05:20 Сейчас в теме
16. AnryMc 849 24.10.13 06:33 Сейчас в теме
Особенно понравилось
написано на языке 1С
17. CheBurator 3119 27.10.13 14:22 Сейчас в теме
20. informa1555 2646 27.10.13 16:43 Сейчас в теме
22. CheBurator 3119 27.10.13 22:40 Сейчас в теме
(20) а можно пристегнуть к примерно такой задаче - нахождение похожих картинок?
например: пришел товар (чехлы для телефонов). вопрос: есть ли у меня такой товар в базе? идентификации никакой нет, кроме внешнего вида.. делаем типа: фотографируем (весь товар фотографируется в примерно одинаковом ракурсе/размере), жмакаем кнопку - выдает список(картинки) похожих товаров..?
23. RailMen 823 27.10.13 23:06 Сейчас в теме
(22) CheBurator, можно сделать без какой-либо сторонней библиотеке с небольшими оговорками:
1) все фото будут одного не большого разрешения, например, 400х600 (очень большое разрешение потребует некоторые усложнения мат модели персептрона);
2) черные чехлы фоткать на белом фоне для большей контрастности, чтобы снизить полную ошибку нейросети.

Ну и главное, надо понимать, что любая нейросеть не может являться инструментом для 100% принятия решения в какой-либо области, особенно в рег учете или точных расчетных задачах. Ее надо рассматривать как некий "советчик"/"помощник"/"консультант". Многое зависит от методов обучения сети, ее базы знаний и т.д.

Применимо к вашей задачи, при поступлении очередного чехла для телефона ответ ситемы будет какой: "Возможно у нас есть похожие чехлы: (далее список с картинками с порядке убывания схожести):
1) чехол №1 - картинка чехла №1 - ошибка сети при вычислении схожести чехла №1
2) чехол №2 - картинка чехла №2 - ошибка сети при вычислении схожести чехла №2
...
"
18. SunShinne 633 27.10.13 15:27 Сейчас в теме
Простите за французский, но... реально ах-ре-неть- задумка крутая! Плюс однозначнейший! А для чего-нибудь еще нейросеть можно "натаскать"? Где можно почитать про "вот это все"?
19. informa1555 2646 27.10.13 16:43 Сейчас в теме
(18) SunShinne, Спасибо за внимание. С помощью нейронных сетей можно распознавать вообще все - любое изображение, звук(распознавание речи), реализовать любую нечеткую логику - принятие решений например при изменяющих факторах окружающего мира и т.д. Это по сути ассоциативное мышление. У меня не совсем типичные сети(частный случай) - это самоорганизующаяся карта - вот она подходит больше для изображений - т.е. объектов с непрерывной структурой (грубо говоря каких то реальных точек которые в физическом объекте если он физический стоят вместе друг с другом).Что почитать сложный вопрос - я читал либо книжки советского периода либо англоязычные, у нас почему то про это забыли сейчас - хороших книг сейчас не выходит только лекции (например в электронном виде Интуит).
27. Makushimo 160 29.10.13 15:21 Сейчас в теме
(19) informa1555,
поделитесь ссылкой, если не трудно. Очень интересна эта тема.
29. informa1555 2646 30.10.13 03:46 Сейчас в теме
(27) Makushimo, В качестве базы(тем более там разные подходы) что то из этого неплохо, Барский например: http://www.intuit.ru/studies/courses?service=0&option_id=17&service_path=1
21. RailMen 823 27.10.13 20:26 Сейчас в теме
Плюсую. Напоминает мою ККР по дисциплине нейросетевые технологии, когда учился в магистратуре. Только писалась она на старом добром Delphi и без сторонних библиотек. Project не тяжело переписать под 1С, только пока не требовалось.
24. CheBurator 3119 27.10.13 23:21 Сейчас в теме
1. да, так и есть, картинки небольшого формата, для визуального контроля в основном, но вполне разборчивые...
2. это нормальное требование
.
остальное тоже нормально.
.
думаю такая программулинка будет представлять интерес. и не только для чехлов ;-)
.
26. HameleonA 103 28.10.13 09:17 Сейчас в теме
Интересное решение. Напомнило мне дипломный проект. На досуге посмотрю.
28. MarSeN 984 29.10.13 20:16 Сейчас в теме
Плохо, что "инновационные" статьи всегда проигрывают в плюсах.

Odinas; informa1555; +2 Ответить
36. Evil Beaver 8107 07.03.14 17:43 Сейчас в теме
(28) MarSeN, я заплюсил. А проигрывают потому, что практической ценности меньше. Если поизгаляться, так и 3D графику можно сделать, обсчет матриц, там, и прочее. Но зачем?
30. Evil Beaver 8107 30.10.13 10:19 Сейчас в теме
Круто, но не до конца уловил, а что, собственно, делает компонента GFLAx?
31. informa1555 2646 30.10.13 10:37 Сейчас в теме
(30) Evil Beaver, Компонента просто считывает цвета пикселей картинки в двумерный массив- там буквально 5 строчек. Т.е. переводит картинку в матрицу. Средствами 1С вроде картинку не прочитать попиксельно. По крайней мере я не знаю как... А само распознавание и прочая сопутствующая работа с изображением на 1С сделана - уже с массивом точек.
32. Йожкин Кот 1006 30.10.13 15:42 Сейчас в теме
А можно при помощи нейросетей сделать прогнозирование курса евро/доллара на несколько дней вперед? Потом привязать это все к какой-либо торговой платформе...
33. informa1555 2646 30.10.13 17:23 Сейчас в теме
(32) Йожкин Кот, Думаю нет, там вроде традиционно теханализ используется, матстатистика там.
44. protexprotex 113 07.11.14 00:48 Сейчас в теме
(33) informa1555, Ну неправда. Нейросети как раз для прогнозирования - самое то. Используют для этого специальную структуру сети - с обратными связями. И обучают до стабилизации ответа.
35. Zas1402 24.12.13 18:18 Сейчас в теме
(32) Нейросеть она больше угадывает чем прогнозирует.
34. пользователь 20.11.13 08:20
Сообщение было скрыто модератором.
...
37. EugenLiquor 07.03.14 17:58 Сейчас в теме
Хммм, не думал, что найду подобное решение. Довольно интересное решение, поподробнее ознакомлюсь!
38. artbear 1448 12.03.14 16:36 Сейчас в теме
39. 3762515 13.03.14 11:42 Сейчас в теме
Отличная вещь! Я так понимаю, можно взять стопку документов, например счет-фактура входящие, положить в сканер и 1с от сканирует, распознает и создаст такой же!
40. informa1555 2646 13.03.14 12:07 Сейчас в теме
(39) 3762515, Да можно приспособить под печатный текст тем более что распознавание печатных букв гораздо проще чем рукописных и в данном примере реализовано распознавание ячеек, а в накладных, с/фактурах и т.д. как раз надо читать инфу из таблиц документа например колонка "Товар" - строка 1,2,3 и т.д. Как раз то, что мешает привинтить файнридер это то что связь таблиц и полей с реальными реквизитами должна обрабатываться на стороне 1С.Без такой связи толку от распознавания нет,а если делать на 1С как раз все доступно. Но "привинчивать" придется долго - это не тиражный продукт, а просто демка алгоритма.
41. 3762515 13.03.14 16:19 Сейчас в теме
Чего то не могу понять, что именно надо скачать отсюда: http://www.xnview.com/en/GFL/#downloads
Ничего похожего на GFLAx там нет, поиска нет. Обработка ругается:
{Форма.Форма.Форма(1969)}: Ошибка при вызове конструктора (COMОбъект)
 GFLAx = Новый COMОбъект("GFLAx.GFLAx");
по причине:
Недопустимая строка с указанием класса
42. informa1555 2646 13.03.14 17:17 Сейчас в теме
(41) 3762515, Вот ссылка на прямую скачку с их сайта http://download.xnview.com/GflSDK-win.zip
43. 3762515 14.03.14 08:12 Сейчас в теме
46. 3762515 20.03.16 13:25 Сейчас в теме
Не пойму, что нужно что бы оно заработало. Такая ошибка у меня:
{Форма.Форма.Форма(1969)}: Ошибка при вызове конструктора (COMОбъект)
GFLAx = Новый COMОбъект("GFLAx.GFLAx");
по причине:
-2147221005(0x800401F3): Недопустимая строка с указанием класса
47. informa1555 2646 20.03.16 15:21 Сейчас в теме
(46) 3762515, Не установлен GFLAx или не зарегистрирован. Зарегистрировать : Regsvr32 c:\WINDOWS\system32\GflAx.dll
48. VLMedvedev 04.11.16 08:25 Сейчас в теме
49. informa1555 2646 04.11.16 11:51 Сейчас в теме
(48) VLMedvedev, Есть но в виде совсем другого собственного мат аппарата (еще меньше похожего на сети - больше на био) и не на 1С)) 1С хороша чтобы чето быстро наваять - увидеть воплощение идеи, не задумываясь над типизацией и т..д. но это несерьезно для развития.
50. VLMedvedev 05.11.16 02:42 Сейчас в теме
51. informa1555 2646 07.11.16 06:58 Сейчас в теме
(50) VLMedvedev, Это не так просто к сожалению. Коммерческого решения пока нет. Мат аппарат я постоянно перерарбатываю и модули кластреризации, разпознавания и т.д. непрезентабельные хоть и рабочие))
52. Rico17 31 12.03.18 20:39 Сейчас в теме
Приглашаю в проект:
https://infostart.ru/project/795704/
Необходимо разработать движок для работы со смыслами.
Вот простая задача для понимания направления работы:
Система должна уметь составлять осмысленные предложения из набора слов, например:
- пустыня, озеро, река.
Можно добавлять любые слова, чтобы получилось предложение имеющее смысл.
Например: В пустыне нет озера и реки.
53. izidakg 170 24.12.18 11:11 Сейчас в теме
Обновление данной разработки будет?
54. informa1555 2646 24.12.18 11:49 Сейчас в теме
(53) На 1С нет - слишком тормозная. Я ее использовал чтобы поэкспериментировать с алгоритмами, нащупать решение, так как на 1С это делать проще всего - нет типизации и т.д. Сам я ML пишу на питоне (бек) + на java или c# фронты и прочую инфраструктуру.
55. programmist_khpk 08.06.20 13:00 Сейчас в теме
вы не могли бы в двух словах объяснить алгоритм распознования, который в основе? Пересмотрела кучу информации по сетям кохонена, но по коду не очень понятно,, что именно вы использовали, а что поменяли?
56. informa1555 2646 08.06.20 18:02 Сейчас в теме
(55) если бы я сам помнил(( это сто лет назад было. Там от Кохонена ничего нет чисто свой алгоритм, а как работает уже не помню к сожалению
Оставьте свое сообщение