Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Spreading Activation Way of Knowledge Integration Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Recognition of Semigraph Representation of Alphabets Using Edge Based Hybrid Neural Network

verfasst von : R. B. Gnana Jothi, S. M. Meena Rani

Erschienen in: Mining Intelligence and Knowledge Exploration

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Graph structured data are classified by connectionist models such as Graph neural network (GNN), recursive neural network. These models are based on the label of the nodes of the graph. An attempt has been made to consider the network based on edges. If a graph structured data is represented as semigraph, the number of edges will be reduced leading to a reduction in the number of networks in GNN. In this paper uppercase English alphabets represented as graphs are recognized using edge based hybrid neural network by viewing the graphs as semigraph. Experimental results show that the edge based hybrid neural network is able to identify all the graphs of alphabets correctly and outperforms edge based GNN.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimal Core Point Detection Using Multi-scale Principal Component Analysis
Nächstes Kapitel Small Eigenvalue Based Skew Estimation of Handwritten Devanagari Words
Literatur
1.
Aribowo, A., Lukas, S., Handy: Hand written alphabet recognition using hamming network. Seminar Nasional Aplikasi Teknologi Informasi, G-1 - G-5 (2007)
2.
Bandinelli, N., Bianchini, B., Scarselli, F.: Learning long-term dependencies using layered graph neural networks. In: International Joint Conference on Neural Networks, pp. 1–8 (2010)
3.
Bondy, J.A.: The graph theory of the greek alphabet. In: Alavi, Y., Lick, D.R., White, A.T. (eds.) Graph Theory and Applications. Lecture Notes in Mathematics, vol. 303, pp. 43–54. Springer, Heidelberg (1972)CrossRef
4.
Deshpande, C.M., Gaidhani, Y.S.: About adjacency matrix of semigraphs. Int. J. Appl. Phy. Math. 2, 250–252 (2012)CrossRef
5.
Freund, R.: Splicing system of graphs. In: Proceedings of the First International Symposium on Intelligence in Neural and Biological Systems, p. 189. IEEE computer society, Washington, DC (1995)
6.
Jothi, R.B.G., Rani, S.M.M.: Edge based graph neural network to recognize semigraph representation of english alphabets. In: Prasath, R., Kathirvalavakumar, T. (eds.) MIKE 2013. LNCS, vol. 8284, pp. 402–412. Springer, Heidelberg (2013) CrossRef
7.
Gnana Jothi, R.B., MeenaRani, S.M.: Hybrid neural network for classification of graph structured data. Int. J. Mach. Learn. Cybern. 6, 465–474 (2015)CrossRef
8.
Jeya Bharathi, S., Padmashree, J., Sinthanai Selvi, S., Thiagarajan, K.: Semigraph structure in DNA splicing system. In: Sixth International conference on Bio-inspired Computing- Theories and Applications, pp. 27–29. IEEE Conference Publication (2011)
9.
Lu, L., Safavi-Naini, R., Hagenbuchner, M., Susilo, W., Horton, J., Yong, S.L., Tsoi, A.C.: Ranking attack graphs with graph neural networks. In: Bao, F., Li, H., Wang, G. (eds.) ISPEC 2009. LNCS, vol. 5451, pp. 345–359. Springer, Heidelberg (2009) CrossRef
10.
Biswas, M., Parekh, R.: Character recognition using dynamic windows. Int. J. Comput. Appl. 41, 47–52 (2012)
11.
Verma, R., Kaur, R.: An efficient technique for character recognition using neural network and SURF feature extraction. Int. J. Comput. Sci. Inf. Technol. 5, 1995–1997 (2014)
12.
Sampathkumar, E.: Semigraphs and their applications. Report submitted to DST (Department of Science and Technology), India, May 2000
13.
Scarselli, F., Gori, M., Tsoi, A.C., Hagenbuchner, M., Monfardini, G.: The graph neural network model. IEEE Trans. Neural Netw. 20, 61–80 (2009)CrossRef
14.
Kumar, U., Dabas, P.: Recognizing numeric, alphabets and special chracters by pattern recognition using neural network. Int. J. Eng. Res. Technol. 3, 1879–1883 (2014)
15.
Venkatakrishnan, Y.B., Swaminathan, V.: Bipartite theory of semigraphs. WSEAS Trans. Math. 11, 1–9 (2012)
16.
Yong, S.L., Hagenbuchner, M., Tsoi, A.C., Scarselli, F., Gori, M.: Document mining using graph neural network. In: Fuhr, N., Lalmas, M., Trotman, A. (eds.) INEX 2006. LNCS, vol. 4518, pp. 458–472. Springer, Heidelberg (2007) CrossRef
Metadaten
Titel
Recognition of Semigraph Representation of Alphabets Using Edge Based Hybrid Neural Network
verfasst von
R. B. Gnana Jothi
S. M. Meena Rani
Copyright-Jahr
2015
Buch
Mining Intelligence and Knowledge Exploration

Print ISBN: 978-3-319-26831-6

Electronic ISBN: 978-3-319-26832-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-26832-3_20