Разработка методов обучения параллельно- иерархической сети для высокоэффективного распознавания образов

• Опубліковано в: : Штучний інтелект
• Дата: 2010
• Автори: Тимченко, Л.И., Мельников, В.В., Шпакович, В.В., Кокряцкая, Н.И.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2010
• Теми: Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/56551
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Разработка методов обучения параллельно- иерархической сети для высокоэффективного распознавания образов / Л.И. Тимченко, В.В. Мельников, В.В. Шпакович, Н.И. Кокряцкая // Штучний інтелект. — 2010. — № 3. — С. 411-421. — Бібліогр.: 16 назв. — рос.

В статье рассмотрен метод параллельно-иерархического преобразования на основе популяционного кодирования и его применение для задач распознавания образов. Также рассмотрены положения, которые использованы для разработки методов обучения ПИ сети, использующих идею популяционного кодирования в искусственной нейронной сети. Разработаны математические модели обучения ПИ сети, а также комбинированный метод обучения ПИ сети для распознавания статических и динамических образов. Приведены теоретические сведения и экспериментальные исследования. У статті розглянутий метод паралельно-ієрархічного перетворення на основі популяційного кодування та його застосування для задач розпізнавання образів. Також розглянуті положення, які використані для розробки методів навчання ПІ мережі, що використовують ідею популяційного кодування в штучній нейронній мережі. Розроблені математичні моделі вчення ПІ мережі, а також комбінований метод навчання ПІ мережі для розпізнавання статичних і динамічних образів. Наведені теоретичні відомості і експериментальні дослідження. In this article parallel-hierarchical transformation method based on popular coding and its using for images recognition tasks are considered. Some postulats has been researched for parallel-hierarchical network learning methods creation using the idea of popular coding in the artificial neural network. The learning mathematical models and also combine learning method for statical and dynamical images recognition have been created. Theoretical information and experimental researching are presented.