Нейросетевые технологии в задаче распознавания рукописных символов

Описаны структуры и механизмы работы классификатора LiRA и модульных нейронных сетей. Оба классификатора решают задачу распознавания изображений на основе поиска признаков в них. Эксперименты в сравнении двух классификаторов, показали, что последняя версия модульной нейронной сети обладает более выс...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2018
Автори:	Гольцев, А.Д., Гриценко, В.И.
Формат:	Стаття
Мова:	Russian
Опубліковано:	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2018
Назва видання:	Управляющие системы и машины
Теми:	100-летие Национальной академии наук Украины
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/150486
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Нейросетевые технологии в задаче распознавания рукописных символов / А.Д. Гольцев, В.И. Гриценко // Управляющие системы и машины. — 2018. — № 4. — С. 3-20. — Бібліогр.: 49 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-150486
record_format	dspace
spelling	irk-123456789-1504862019-04-09T01:25:30Z Нейросетевые технологии в задаче распознавания рукописных символов Гольцев, А.Д. Гриценко, В.И. 100-летие Национальной академии наук Украины Описаны структуры и механизмы работы классификатора LiRA и модульных нейронных сетей. Оба классификатора решают задачу распознавания изображений на основе поиска признаков в них. Эксперименты в сравнении двух классификаторов, показали, что последняя версия модульной нейронной сети обладает более высокой эффективностью (распознающей способностью), чем классификатор LiRA, хотя и несколько уступает ему в быстродействии. Результат - в статті розглянуті два типи нейронних класифікаторів: нейронний класифікатор LiRA і модульні нейронні мережі. Обидва класифікатора призначені для вирішення практичних завдань з розпізнавання зображень. Обидва класифікатора вирішують задачу на основі пошуку в зображеннях деякого набору заздалегідь сконструйованих ознак. Функціонування обох класифікаторів розглянуто на прикладі використання так званих LiRA-ознак. Здатність класифікаторів ефективно розпізнавати зображення базується саме на використанні дуже великої кількості (десятків і сотень тисяч) простих і ефективних LiRA-ознак. На основі результатів ряду експериментів в порівнянні класифікатора LiRA і модульної нейронної мережі, показано, що остання версія модульної нейронної мережі володіє більш високою ефективністю ніж класифікатор LiRA, хоча і дещо поступається йому за швидкодією. Results the article considers two types of neural classifiers: LiRA neural classifier and modular neural networks. Both classifiers are designed to solve practical problems of image recognition. Both classifiers solve the problem by searching a certain set of pre-constructed features in the images. Both classifiers use the so-called LiRA-features. The ability of classifiers to effectively recognize visual images is largely based on the use of a very large number (tens and hundreds of thousands) of simple and effective LiRA functions. A series of experiments is conducted comparing the LiRA classifier and the modular neural network. The experiments show that the latest version of the modular neural network has a higher efficiency (recognition ability) than the LiRA classifier, although it is slightly inferior in speed. 2018 Article Нейросетевые технологии в задаче распознавания рукописных символов / А.Д. Гольцев, В.И. Гриценко // Управляющие системы и машины. — 2018. — № 4. — С. 3-20. — Бібліогр.: 49 назв. — рос. 0130-5395 DOI https://doi.org/10.15407/usim.2018.04.003 http://dspace.nbuv.gov.ua/handle/123456789/150486 004.8 + 004.032.26 ru Управляющие системы и машины Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	100-летие Национальной академии наук Украины 100-летие Национальной академии наук Украины
spellingShingle	100-летие Национальной академии наук Украины 100-летие Национальной академии наук Украины Гольцев, А.Д. Гриценко, В.И. Нейросетевые технологии в задаче распознавания рукописных символов Управляющие системы и машины
description	Описаны структуры и механизмы работы классификатора LiRA и модульных нейронных сетей. Оба классификатора решают задачу распознавания изображений на основе поиска признаков в них. Эксперименты в сравнении двух классификаторов, показали, что последняя версия модульной нейронной сети обладает более высокой эффективностью (распознающей способностью), чем классификатор LiRA, хотя и несколько уступает ему в быстродействии.
format	Article
author	Гольцев, А.Д. Гриценко, В.И.
author_facet	Гольцев, А.Д. Гриценко, В.И.
author_sort	Гольцев, А.Д.
title	Нейросетевые технологии в задаче распознавания рукописных символов
title_short	Нейросетевые технологии в задаче распознавания рукописных символов
title_full	Нейросетевые технологии в задаче распознавания рукописных символов
title_fullStr	Нейросетевые технологии в задаче распознавания рукописных символов
title_full_unstemmed	Нейросетевые технологии в задаче распознавания рукописных символов
title_sort	нейросетевые технологии в задаче распознавания рукописных символов
publisher	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
publishDate	2018
topic_facet	100-летие Национальной академии наук Украины
url	http://dspace.nbuv.gov.ua/handle/123456789/150486
citation_txt	Нейросетевые технологии в задаче распознавания рукописных символов / А.Д. Гольцев, В.И. Гриценко // Управляющие системы и машины. — 2018. — № 4. — С. 3-20. — Бібліогр.: 49 назв. — рос.
series	Управляющие системы и машины
work_keys_str_mv	AT golʹcevad nejrosetevyetehnologiivzadačeraspoznavaniârukopisnyhsimvolov AT gricenkovi nejrosetevyetehnologiivzadačeraspoznavaniârukopisnyhsimvolov
first_indexed	2023-05-20T17:35:13Z
last_indexed	2023-05-20T17:35:13Z
_version_	1796153632187482112

Нейросетевые технологии в задаче распознавания рукописных символов

Репозитарії

Схожі ресурси