Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений

Рассмотрена проблема распознавания объектов электрооптических изображений, полученных с помощью мультиспектральных систем. Для ее решения предлагается нечеткая нейронная сеть (ННС). Описаны различные алгоритмы обучения ННС в задаче классификации объектов. Приведены результаты экспериментальных иссле...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2009
Автори: Зайченко, Ю.П., Петросюк, И.М., Ярошенко, М.С.
Формат: Стаття
Мова:Russian
Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2009
Назва видання:Системні дослідження та інформаційні технології
Теми:
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/42239
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:Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений / Ю.П. Зайченко, И.М. Петросюк, М.С. Ярошенко // Систем. дослідж. та інформ. технології. — 2009. — № 4. — С. 61–76. — Бібліогр.: 9 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-42239
record_format dspace
spelling irk-123456789-422392013-03-14T03:10:15Z Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений Зайченко, Ю.П. Петросюк, И.М. Ярошенко, М.С. Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах Рассмотрена проблема распознавания объектов электрооптических изображений, полученных с помощью мультиспектральных систем. Для ее решения предлагается нечеткая нейронная сеть (ННС). Описаны различные алгоритмы обучения ННС в задаче классификации объектов. Приведены результаты экспериментальных исследований эффективности этих алгоритмов на реальных данных. Розглянуто проблему розпізнавання об’єктів електрооптичних зображень, отриманих за допомогою мультиспектральних систем. Для її вирішення запропоновано нечітку нейронну мережу (ННМ). Описано різні алгоритми навчання ННМ у задачі класифікації об’єктів. Наведено результати експериментальних досліджень ефективності цих алгоритмів на реальних даних. The problem of object recognition in electrooptical images obtained using multispectral optical systems is considered. A fuzzy neural network is suggested for the solution of this problem. Different training algorithms for fuzzy neural network are considered, and the results of experimental investigations of their efficiency on the basis of real data are presented. 2009 Article Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений / Ю.П. Зайченко, И.М. Петросюк, М.С. Ярошенко // Систем. дослідж. та інформ. технології. — 2009. — № 4. — С. 61–76. — Бібліогр.: 9 назв. — рос. 1681–6048 http://dspace.nbuv.gov.ua/handle/123456789/42239 683.519 ru Системні дослідження та інформаційні технології Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
spellingShingle Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
Зайченко, Ю.П.
Петросюк, И.М.
Ярошенко, М.С.
Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
Системні дослідження та інформаційні технології
description Рассмотрена проблема распознавания объектов электрооптических изображений, полученных с помощью мультиспектральных систем. Для ее решения предлагается нечеткая нейронная сеть (ННС). Описаны различные алгоритмы обучения ННС в задаче классификации объектов. Приведены результаты экспериментальных исследований эффективности этих алгоритмов на реальных данных.
format Article
author Зайченко, Ю.П.
Петросюк, И.М.
Ярошенко, М.С.
author_facet Зайченко, Ю.П.
Петросюк, И.М.
Ярошенко, М.С.
author_sort Зайченко, Ю.П.
title Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
title_short Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
title_full Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
title_fullStr Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
title_full_unstemmed Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
title_sort исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений
publisher Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate 2009
topic_facet Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
url http://dspace.nbuv.gov.ua/handle/123456789/42239
citation_txt Исследование нечетких нейронных сетей в задачах распознавания объектов електрооптических изображений / Ю.П. Зайченко, И.М. Петросюк, М.С. Ярошенко // Систем. дослідж. та інформ. технології. — 2009. — № 4. — С. 61–76. — Бібліогр.: 9 назв. — рос.
series Системні дослідження та інформаційні технології
work_keys_str_mv AT zajčenkoûp issledovanienečetkihnejronnyhsetejvzadačahraspoznavaniâobʺektovelektrooptičeskihizobraženij
AT petrosûkim issledovanienečetkihnejronnyhsetejvzadačahraspoznavaniâobʺektovelektrooptičeskihizobraženij
AT ârošenkoms issledovanienečetkihnejronnyhsetejvzadačahraspoznavaniâobʺektovelektrooptičeskihizobraženij
first_indexed 2023-10-18T17:56:17Z
last_indexed 2023-10-18T17:56:17Z
_version_ 1796142884633706496