Jay Jayanka， 一种基于计算机的系统，用于识别斯里兰卡的僧伽罗ayurvedic草药植物 ， 学士 （特殊）计算机科学学士学位（2016年）。 主管： TGI Fernando 摘要：在这项研究中，我们开发了一种基于深度学习识别樟芝植物叶的计算机系统。 用RGB和灰度图像的卷积神经网络以及具有RGB图像的多层神经网络用于鉴定ayurvedic植物叶。 在这项工作中，我们使用具有RGB图像的卷积神经网络，可以达到97.71％的准确度，用于识别僧伽罗草药植物叶。 HTM Perera， 僧伽罗手写字符识别的深度学习方法 ， 学士 （特殊）计算机科学学位（2015）。 主管： TGI Fernando 摘要：手写字符识别可视为计算机视觉和机器智能的主要子领域之一。 随着近来开发基于深度学习的计算机视觉方法，大多数复杂的图像识别变得更加容易和准确。 一些深入学习的方法在用于识别手写字符的其他古典方法中表现更好。 僧伽罗手写字符由于僧伽罗人物的独特形状而有相当大的变化。 到目前为止，仅使用古典图像处理方法和基本机器学习方法，已经进行了一些研究，以识别僧伽罗手写字符识别。 本研究的主要目的是确定并实施基于深度学习的高效僧伽罗手写字符识别方法。 在这项研究中，我们能够使用卷积神经网络分别获得2.74％和0.07％的前1个和前5个错误率，用于僧伽罗手写字符识别。 RMEJ Rathnayaka，…