Решение на такава задача от мозъка може да бъде обработката на информация от обикновеното зрение (human vision). Във функциите на зрителната

Изтегляне 1.78 Mb.

Pdf просмотр

страница	28/58
Дата	08.04.2022
Размер	1.78 Mb.
	#114042
Тип	Решение

1 ... 24 25 26 27 28 29 30 31 ... 58

book
Свързани:
Kniga uchitel IT 6. klas Даниела Убенова (1), Kniga uchitel IT 8. klas Даниела Убенова, elektronno-obuchenie

Разпознаване на образи
Разпознаването на образи формално се определя като процес, в който получения образ/сигнал трябва да се отнесе към един от предопределените класове (категории). За да могат невронните мрежи да решават задачи за разпознаване на образи, отначало е необходимо тяхното обучение, подавайки последователно входни образи заедно с категориите към които тези образи принадлежат. След обучението на мрежите на входа се подава от по-рано отделен образ, който принадлежи към избраната по-рано категория, както и множество образи, използвани при обучението. Благодарение на информацията получена от даденото обучение, мрежата ще може да отнесе представения образ към конкретен клас. Разпознаването на образи се използва от невронните мрежи статистически, при това образа се представя от отделни точки в многомерно пространство от решения. Всяко пространство от решения се разделя на отделни области, всяка от които се асоциира с определен клас. Границата на тези области се формира в процеса на обучение. Пространството на тези граници се изпълнява статистически на основата на дисперсия, присъща на данните от дадения клас. Като цяло машините за разпознаване на образи, създадени на основата на невронните мрежи може да се разделят на два типа:
- Системата се състои от две части : мрежа за извличане на признаци (future extraction) (без учител) и мрежа за класификация (classification) (с учител)
(фиг.2.10, а). Такъв метод съответства на традиционния подход към статистическото разпознаване на образи. В концептуалните термини обаразът се представя като избор от m наблюдения, всяко от които може да се разглежда като точка x в m–мерно пространство от наблюдения (данни)
(observation (data) space). Извличането на признаците се описва с помощта на преобразование, което протича в точка х, помеждутъчна точка у в q-мерно пространство от признаци, където q < m (Фиг.2.10, б). Това преобразование може да се разглежда като операция за намаляване на размерността (свиване на данните), опростяващо задачата за класификация. Самата класификация се описва като преобразование, което изобразява точка у в един от нейните класове от r-мерното пространство от решения (където r е количество разделени класове).

54
Фиг. 2.10. Илюстрация на класическият подход за разпознаване на образи
- Системата се проектира като единна многослойна мрежа за пряко разпространение. Използва се един от алгоритмите за обучение с учител.
При този подход задачата за извличане на признаци се използва от изчислителните възли на скрития слой на мрежата.

Изтегляне 1.78 Mb.

Сподели с приятели:

1 ... 24 25 26 27 28 29 30 31 ... 58