Analiza porównawcza implementacji sieci neuronowych algorytmów rozpoznawania obrazów

Kategoria: cybernetyka

MINISTERSTWO Ogólnego i zawodowego

EDUKACJA ROSYJSKI FEDERACJA


Rostovsky STAN UNIWERSYTET


PRZEWODNICZĄCY Biofizyki i Biocybernetyka


WYDECHOWY KWALIFIKACJI Pracy


na temat: porównawczy analizneyrosetevyh implementacje

algorytmy uznanie zdjęcia.


Student I.E.Shepelev


Naukowy głowa A.I.Samarin


K OCHRONA wolno


Head. Krzesło Doktor nauk biologicznych, profesor

B.M.Vladimirsky


Rostov-on-Don

1998


TREŚCI


Strona.

Wprowadzenie 2

Opis badanie nerwowy sieci.

Jednowarstwowe sieciowego. Perceptron.

Wielowarstwowa sieci.

Sieć Hopfielda.

Opis oprogramowanie Modele i algorytmy ich nauka.

Technika i wyniki eksperymentalny badania.

Problem Funkcja XOR OR.

3.2 Badania poczęte jednowarstwowa i dwuwarstwowa nerwowy sieci.

Relaks bodziec.

Powstanie fałszywy obraz. Produkcja prototyp.

Bistabilnością percepcja.

Wnioski.

Literatura.

Aplikacja 1.

Aplikacja 2.


Wprowadzenie .


Głównym powołanie System rozpoznawania zdjęć jest odkrycie Decyzja w sprawie akcesoria Wymagania it zdjęć kilka klasa. Jeden ważne podejście problemu polega użyć oddzielania Funkcje. W warunkach gdy mamy tylko kilka priori informacja z rozpoznawalne Kiedy budynek Uznanie System lepiej używać nauka gwarantowana. Na Pierwszy etap wybrany arbitralny oddzielania Funkcja, a następnie podczas Czas pracy wielokrotny etapy szkolenia Te wspólne Funkcja przyniósł do optimum lub dopuszczalne gatunków.

Z definicji oddzielania Funkcje w teraźniejszości są kilka podejścia. W ta praca uważane dwa z nich, których mają odpowiednie sieci neuronowe realizacja. Pierwszy z nich - perceptronów podejście.

Na początku 60 x s Minsky, Rosenblatt, Uindrou i inne rozwinięty Sieci składające jedna warstwa sztuczny neurony. Często zwany , perceptrony służyły na szerokie Klasa problemów, w tym sztuczny Widok. Ale Mińsk i Paypert [2] wykazano, że używany następnie jednowarstwowe Teoria sieci niezdolny rozwiązać wiele proste zadania.

Sieci odwrotnej Dystrybucja - Najbardziej skuteczne, wydają nowoczesne Algorytmy przezwycięża Ograniczenia określony Mińsk. Rewers dystrybucja jest systematyczny metoda Szkolenie wielowarstwowa sieci.

Drugie podejście Ustalenie oddzielania Funkcje zastosowania Pojęcie potencjału energii. Tak Hopfielda [7] Problem relaksu kilka początkowy stan na jeden stabilny stany Sieci neuronowe wprowadzone Pojęcie potencjału energii, które spadła podczas relaks. Istotny Sieci neuronowe znana literatura jako sieć Hopfielda. Sieć ze sprzężeniem zwrotnym Więzi, które w ten sposób mają pewne Właściwości zasłużony uwagę.

W etapie kawaler Cel było tworzenie komputera te modele wyższa neuronowych i analizy sieci kilka Właściwości związane z ich szkolenia i uznanie ich zdjęcia.


1.USTAWIENIA opis badanie nerwowy sieci.


jednowarstwowy sieciowego. Perceptron.


Zgodnie [3] perceptron jest Model przeszkolony Uznanie System. On Matryca zawiera światłoczuły elementy (S-elementy) asocjacyjny elementy (A-sztuk) i reakcji elementy (R-elementy). Per se perceptron zawiera jedna warstwa sztuczny Neurony połączony za pomocą ważonej Kursy wiele wejść.

W 60 e rok perceptronowe wzbudził wielki procentowych. Rosenblatt [3] udowodnione twierdzenie o nauce perceptron i w ten sposób wykazała, że perceptron w stanie nauczyć się wszystko, co zdolny reprezentują. Widrow [12-15] otrzymano szereg przekonywający Demonstracje Systemy perceptron wpisz. Badania możliwości Systemy te wykazała, że perceptronowe n...


strona 1 z 15 | Następna strona


Podobne streszczenia:

  • Podsumowanie na temat: Dane routingu sieci do sąsiednich węzłów na podstawie logicznej sieci neuro ...
  • Podsumowanie na temat: Wektorowe analizatory sieci. Monitorowania i diagnostyki elementy sieci cy ...
  • Podsumowanie na temat: Rozwój przewodowej sieci LAN i zdalnego dostępu do sieci za pomocą sieci be ...
  • Podsumowanie na temat: Stan i kierunki rozwoju terytorialnego sieci jako przykład sieci nieżywnośc ...
  • Podsumowanie na temat: Sieci neuronowe metody rozpoznawania obrazu