فهرس مفتوح لأكثر من 800 ألف مرجع عربي، وبحث في أكثر من 300 مليون مرجع أجنبي
Deep Learning vs. Traditional Approaches in Handwriting Recognition: A Comprehensive Performance Analysis
- المؤلفون
- Rafea Mohammed Almejrab؛ Fawzi Farag Bushaala؛ Suliman Ali Al-Barghathi؛ Younes Wanis Swery؛ Mustafa Alkharash
- المصدر
- مجلة شمال إفريقيا للنشر العلمي (NAJSP)
- السنة
- 2026
- النوع
- مقالة
- المجال
- علوم الحاسب
- الترخيص
- CC BY 4.0
الملخص
تتناول هذه الدراسة مقارنة شاملة بين أساليب التعرف على خط اليد التقليدية وأساليب التعلم العميق الحديثة. اعتمدت الطرق التقليدية مثل نماذج ماركوف المخفية وآلات متجه الدعم وخوارزمية أقرب الجيران على استخراج خصائص يدوية، وقد حققت دقة متوسطة لكنها عانت من ضعف التعميم أمام تنوع أنماط الكتابة اليدوية. في المقابل، أتاحت الشبكات العصبية الالتفافية ونماذج المحولات استخراج الخصائص تلقائيًا وتحسين فهم السياق البصري للنصوص المكتوبة بخط اليد. تقدم الورقة نموذجًا قائمًا على الشبكات العصبية الالتفافية تم تدريبه
الملخص منقول بترخيص CC BY 4.0، وحقوقه لأصحابه. النص الكامل في الروابط أدناه.
الاستشهاد
Rafea Mohammed Almejrab, Fawzi Farag Bushaala, Suliman Ali Al-Barghathi, Younes Wanis Swery, Mustafa Alkharash (2026). Deep Learning vs. Traditional Approaches in Handwriting Recognition: A Comprehensive Performance Analysis. مجلة شمال إفريقيا للنشر العلمي (NAJSP). https://najsp.com/index.php/home/article/download/884/745