<![CDATA[Pemanfaatan notasi matematika sangat penting dalam menjelaskan konsep dan kerangka matematika, berfungsi sebagai alat dasar untuk komunikasi dan pemecahan masalah. Namun, gaya tulisan tangan yang beragam yang digunakan oleh individu menghadirkan tantangan unik dalam mengidentifikasi simbol matematika secara akurat karena perbedaan evolusi tulisan tangan dari waktu ke waktu. Munculnya teknologi pengenalan pola, terutama dalam pengenalan pola tulisan tangan, menekankan pentingnya mengembangkan aplikasi untuk mendeteksi dan menafsirkan simbol matematika tulisan tangan, dengan fokus pada penggunaan Convolution Neural Network (CNN) untuk kategorisasi otomatis, menampilkan tingkat akurasi yang menjanjikan. Studi ini menunjukkan kemampuan luar biasa model CNN untuk mengkategorikan simbol matematika dengan tingkat akurasi tinggi 99,25%, menunjukkan potensi signifikan metodologi CNN dalam mengklasifikasikan pola simbol matematika secara efektif dan perlunya eksplorasi lebih lanjut untuk meningkatkan kinerja klasifikasi dalam domain ini.]]>
Copyrights © 2024
