Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки

Проблема обеспечения высокого уровня достоверности обработки информации и распознавания образов пространственно-временных полей является одной из важнейших при создании интеллектуальных систем, т.е. систем, осуществляющих обработку на уровне «понимания» информации. В статье излагаются метрологичес...

Full description

Saved in:

Bibliographic Details
Published in:	Штучний інтелект
Date:	2012
Main Author:	Анцыферов, С.С.
Format:	Article
Language:	Russian
Published:	Інститут проблем штучного інтелекту МОН України та НАН України 2012
Subjects:	Интеллектуальные системы планирования, управления, моделирования и принятия решений
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/57728
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки / С.С. Анцыферов // Штучний інтелект. — 2012. — № 4. — С. 283-291. — Бібліогр.: 10 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1859643898795655168
author	Анцыферов, С.С.
author_facet	Анцыферов, С.С.
citation_txt	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки / С.С. Анцыферов // Штучний інтелект. — 2012. — № 4. — С. 283-291. — Бібліогр.: 10 назв. — рос.
collection	DSpace DC
container_title	Штучний інтелект
description	Проблема обеспечения высокого уровня достоверности обработки информации и распознавания образов пространственно-временных полей является одной из важнейших при создании интеллектуальных систем, т.е. систем, осуществляющих обработку на уровне «понимания» информации. В статье излагаются метрологические основы формирования информационного пространства образов, обеспечивающего более высокий уровень достоверности обработки информации с помощью интеллектуальных систем. Проблема гарантування високого рівня достовірності обробки інформації та розпізнавання образів просторово-часових полів є однією з найважливіших при створенні інтелектуальних систем, що здійснюють обробку на рівні «розуміння інформації». У статті викладаються метрологічні основи формування інформаційного простору образів, що забезпечує більш високий рівень достовірності інформації за допомогою інтелектуальних систем. The problem of high level of assurance in information processing and images recognition of existential fields is one of the major at creating intellectual systems, i.e. the systems, which are carrying out the processing at level of “understanding” of information. In the article, metrological bases of formation of image information space for higher level of information processing assurance by means of intellectual systems are stated.
first_indexed	2025-12-07T13:25:37Z
format	Article
fulltext	«Штучний інтелект» 4’2012 283 4А УДК 681.518.9; 621.384.3 С.С. Анцыферов Московский государственный технический университет МИРЭА, г. Москва Россия, 119454, г. Москва, пр. Вернадского, 78 Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки S.S. Antsyferov Moscow State Technical University MIREA, c. Moscow Russia, 119454, c. Moscow, Vernadsky ave., 78 Metrological Bases for Formation of Image Information Space in Intellectual Systems of Processing С.С. Анцифєров Московський державний технічний університет МІРЕА, м. Москва Росія, 119454, м. Москва, пр. Вернадського, 78 Метрологічні основи формування інформаційного простору образів в інтелектуальних системах обробки Проблема обеспечения высокого уровня достоверности обработки информации и распознавания образов пространственно-временных полей является одной из важнейших при создании интеллектуальных систем, т.е. систем, осуществляющих обработку на уровне «понимания» информации. В статье излагаются метрологические основы формирования информационного пространства образов, обеспечивающего более высокий уровень достоверности обработки информации с помощью интеллектуальных систем. Ключевые слова: информационная сложность, идентификационный признак, мера инфор- мативности, распознавание образов, шкала, селекция признаков. The problem of high level of assurance in information processing and images recognition of existential fields is one of the major at creating intellectual systems, i.e. the systems, which are carrying out the processing at level of “understanding” of information. In the article, metrological bases of formation of image information space for higher level of information processing assurance by means of intellectual systems are stated. Key words: information complexity, identification sign, informational content measure, image recognition, scale, selection of signs. Проблема гарантування високого рівня достовірності обробки інформації та розпізнавання образів просторово-часових полів є однією з найважливіших при створенні інтелектуальних систем, що здійснюють обробку на рівні «розуміння інформації». У статті викладаються метрологічні основи формування інформаційного простору образів, що забезпечує більш високий рівень достовірності інформації за допомогою інтелектуальних систем. Ключові слова: інформаційна складність, ідентифікаційна ознака, міра інформативності, розпізнавання образів, шкала, селекція ознак. Введение В настоящее время специалистами самого различного профиля огромное вни- мание уделяется проблеме создания интеллектуальных систем, т.е. систем, осущест- вляющих обработку информации на уровне ее «понимания» с широким использованием Анцыферов С.С. «Искусственный интеллект» 4’2012 284 4А накопленной базы знаний. Актуальность данной проблемы обуславливается как воз- растающей информационной сложностью исследуемых явлений и процессов, так и все более нарастающей в целом ряде случаев интенсивностью обрабатываемых инфор- мационных потоков. Рост требований к точности (достоверности) результатов обра- ботки только повышает актуальность указанной проблемы. Успешное решение данной проблемы связано не только с определением принципов построения и закономерно- стей функционирования интеллектуальных систем (ИС), чему уже был посвящен ряд работ [1-9], но и с решением не менее важной задачи – разработкой методологии их метрологического обеспечения. Так, в работах [1-3], [5], [6], [8], [9] были обозначены направления повышения интеллектуального потенциала адаптивных информационно- распознающих систем (АИРС), реализующих методологию структурно-стохастиче- ской аппроксимации информации пространственно-временных полей и процесса их обработки, определены принципы адаптации параметров обрабатывающих алгорит- мов, в частности путем построения эволюционного процесса поиска оптимальной модели адаптивной обработки в рамках объединения символистского и коннективист- ского направлений, т.е. объединения логической и нейронной парадигм. В работах [4], [7] были рассмотрены системные принципы метрологического обеспечения ИС, в част- ности такие метрологические показатели, как скорость адаптации, достоверность и устойчивость результатов в процессе динамических наблюдений. Однако выход АИРС на новый, более высокий, уровень сложности переводит их в разряд развивающихся систем обработки, возможно, с распределенной многокомпонентной и многосвязной структурой, что, в свою очередь, требует при разработке таких систем не только учета закономерностей их построения, функционирования, развития и осуществимости, но и определения адекватных оценок характеристик этих закономерностей (совокупно- стей системных параметров) путем формирования соответствующих форм представ- ления основных шкал измерения параметров как объективных критериев оценки качества ИС. Понятие информационной сложности является одним из основных в теории информационного подхода к анализу систем [10]. Смысл этого понятия состоит в том, что любое распределение информации на фоне наложенных на нее логических связей должно обладать определенным содержанием. При анализе тех или иных ситу- аций принято говорить о том, что они имеют больший или меньший смысл с точки зрения определенных целей. Тем самым определяется измеримость содержания, смысла ситуации. Концепция информационного поля позволяет найти количественную оценку содержания, смысла на основе прослеживания путей реализации логических связей. Под информационной сложностью С пространственно-временного поля (ПВП), поступающего на вход ИС, будем понимать логическое пересечение измеримых интен- сивностно-пространственных (геометрических) свойств элементарных структурных компонентов (ЭК) поля – 1S и свойств взаимообусловленности (взаимосвязанности) параметров ЭК между собой, формирующих образы поля, адекватно отображающие состояния исследуемых объектов – 2S : 21 SSC  . (1) Каждому ЭК поставим в соответствие совокупность наблюдаемых или измеримых значений идентификационных признаков, отображающих свойства 1S и будем считать, что для распознавания состояний исследуемого объекта в режиме динамических наблюдений в общем случае в каждый конкретный момент времени используется вектор семантических или количественно измеренных значений признаков KkrjВ rkkkjkk ,1,,1,,,,}{ 21    . (2) Метрологические основы формирования информационного пространства... «Штучний інтелект» 4’2012 285 4А В свою очередь, каждому j -му признаку поставим в соответствие меру его информативности на k -й реализации поля: Kkrjjkjk ,1,,1,   . (3) В таком случае многомерный вектор jkjkM  }{ образует информационное прост- ранство идентификационных признаков. Мера jk используется в решающем правиле как весовой коэффициент j -го признака, что существенно повышает достоверность процедуры распознавания. Вместе с тем не все признаки обладают достаточно высоким значением  , что приводит к распознаванию образов поля с высоким уровнем риска. Целью данной работы является разработка шкал метрологической селекции идентификационных признаков по мерам их информативности, обеспечивающих минимизацию риска распознавания образов ПВП. Шкала информационной сложности пространственно-временного поля В качестве оптимального правила оценки значений мер информативности, учи- тывающего существование некоторого закона информативной связи между значениями признака в различные моменты времени, будем использовать определение апостери- орной плотности вероятности меры в k -й момент времени при условии, что известны ее оценки во всех предыдущих )1( k -х тактах и значения признаков jkj  ,,1  : ˆ ˆ ˆ ˆ ˆ( ) ( , , ; , , )1 1 1p pjk jk jk j jk j jk           . (4) Это соотношение служит основой для построения шкалы мер информативности идентификационных признаков, а следовательно и интенсивностно-пространственных свойств компонентов поля. Однако, практическое использование этого соотношения проблематично из-за необходимости располагать довольно обширной априорной инфор- мацией, а также необходимости вычисления многомерных интегралов. Достигнуть упрощения задачи построения шкалы jk можно, введя некоторые предположения относительно статистики функции  . Будем полагать, что информативная связь между последовательными значениями j -го признака носит вероятностный характер и аппрок- симируется марковским процессом, т.е. закон информативной связи – стохастический марковский процесс. В этом случае, при аппроксимации процессом первого порядка.      ˆ ˆ ˆ1 1 1p p p djk jk jk jk jk M            ; (5)           ˆ ˆ ˆ ˆ . ˆ ˆ ˆ p pjk jk jk p jkjk p p djk jk jk jk M              (6) В соотношениях (5) и (6)  ˆp jk имеет смысл априорной плотности вероятности,  ˆp jk jk  – условной плотности вероятности меры информативности j -го иденти- фикационного признака на k -м такте обработки, а  ˆ ˆ 1p jk jk   – плотности вероят- ности перехода от меры информативности в )1( k -й момент времени к мере инфор- мативности в k -й момент. Соотношения (5) и (6) являются математической моделью Анцыферов С.С. «Искусственный интеллект» 4’2012 286 4А шкал мер информативности каждого из идентификационных признаков, обеспечива- ющей возможность построения модели стохастического информационного простран- ства элементарных компонентов, отражающих свойства 1S пространственно-времен- ных полей. Вид функции ˆ jkp jk       , являющейся одним из основных элементов стохасти- ческого информационного пространства, должен соответствовать наихудшему виду функции распределения для каждого из идентификационных признаков, т.е. виду приводящему к образованию зон взаимного перекрытия, размытию границ между образами реализаций полей. Согласно информационной теории идентификации, а также методам стохастического синтеза информационных систем наихудшая плот- ность распределения значений j -го признака имеет вид функции Лапласа с макси- мумом этой функции на границе раздела образов (рис. 1). Рисунок 1 – Функции распределения и отображения j-го идентификационного признака в информационное пространство ИС Используя аналогичный математический аппарат, можно построить модель и соответствующую ей шкалу, отражающую свойства взаимосвязанности идентифика- ционных признаков (S2). Каждая связная совокупность признаков представляет собой Метрологические основы формирования информационного пространства... «Штучний інтелект» 4’2012 287 4А образ реализации поля, адекватный состоянию исследуемого объекта. При установ- лении полных вероятностных связей шкала информационной сложности будет выг- лядеть на k -м такте обработки, как показано на рис. 2. Сформированная шкала информационной сложности обеспечивает возможность управления такой важной метрологической характеристикой ИС, как достоверность получаемых результатов. Очевидным подходом к повышению достоверности является информационное «взвешивание» значений идентификационных признаков. Однако, как показывает практика [1-9], простое «взвешивание» не всегда оказывается доста- точно эффективным. Поэтому целесообразным представляется выполнение следую- щего шага, связанного с селекцией признаков по мерам их информативности на шкале информационной сложности. Рисунок 2 – Шкала информационной сложности ПВП Механизм селекции признаков по мерам информативности При разработке механизма селекции будем исходить из того, что мера инфор- мативности ˆ jk представляет собой дискретную случайную величину, использование Анцыферов С.С. «Искусственный интеллект» 4’2012 288 4А которой либо приводит к увеличению достоверности (обозначим данную ситуацию как 1 ), либо не приводит )( 2 , т.е. 1 – множество значений ˆ jk , приводящие к увеличению достоверности, а 2 – множество значений ˆ jk , как минимум не приво- дящее к увеличению достоверности. Если 1ˆp Рjk       , то 2ˆ 1p Рjk        . Процесс селекции состоит в принятии по каждому признаку одного из двух решений: 1d – использовать или 2d – не использовать его в последующей обработке. Каждое реше- ние сопровождается некоторыми потерями, характеризующимися функцией потерь   2,1,2,1,,  lidG li . Математическое ожидание функции потерь при фиксированном ld представляет собой риск:       РdGРdGdРR lll  1,,, 21  . (7) Минимальное по l значение риска называют байесовским (оптимальным) риском:  ldPR ,min . Решение d , минимизирующее риск, называется байесовским. В прос- тейшем случае       ., ,,, , 150 500 1 2 Б Рd Рd d (8) Однако, как показывает практика, такой способ селекции сопровождается боль- шим риском. Так, функция потерь, адекватная решающему правилу (8), может иметь, например, такой вид.   1 1 1 2 2 1 2 2 102 , , 100 , , , 98, , 100, . i l d d G d d d              (9) В этом случае (рис. 3)          .,, ,,,,, 150498 500100100498minmin0 РР РРdРRr l l l (10) Рисунок 3 – Функция (шкала) риска Метрологические основы формирования информационного пространства... «Штучний інтелект» 4’2012 289 4А Чтобы его снизить, введем в рассмотрение условное распределение  ihр  , пред- ставляющее собой функцию правдоподобия. Тогда апостериорные распределения для мер информативности будут иметь следующий вид:       1 1 ˆ h h р Р р jk р      , (11)        2 2 1 ˆ h h р Р р jk р       , (12) где 2,1, hh , 1 – множество значений признаков, соответствующих повы- шению достоверности; 2 – множество значений признаков, не соответствующих повышению достоверности:       РрРрр hhh  121  . (13) Типичные значения функции  ihр  согласно экспертным оценкам:              .,, ,,, ,,, ,,, 22 12 21 11 70 20 30 80      ihр (14) Тогда              .),(, ,,, ,),(, ,,, 22 12 21 11 170 20 130 80      Р Р РРр ih (15)        ., ,,, 25070 15030 hР, - , ,hРр h (16)           1 1 1 2 2 1 2 2 0,8ˆ , 1, , 0, 3 0, 5 0,3 1 ˆ1 , 1, , 0, 3 0, 5 0, 2ˆ , 2, , 0, 7 0,5 0, 7(1 )ˆ1 , 2, . 0, 7 0,5 Рр hjk Р Р р hjk Р Рр hjk Р Рр hjk Р                             (17) Условные байесовские риски:         1 1 1 l 1 1 ˆ100 , 0 0,5 , ˆ , ˆ ˆ98 4 , 0,5 1. l l jk р jk r R р djk р р jk                  min     (18)         2 2 2 2 2 ˆ100 , 0 0,5 , ˆmin ˆ ˆ98 4 , 0,5 1. ll р jk r R р djk р рjk jk                      (19) Или          .,, ,, ,, ,,, 12730 5030 252429 27300100 1 Р Р Р Р r (20) Анцыферов С.С. «Искусственный интеллект» 4’2012 290 4А           .,, ,, ,, ,,, 17780 5070 248668 77800100 2 Р Р Р Р r (21) Усредняя условные байесовские риски с вероятностями   Рр 5,03,01  и   Рр 5,07,02  , получим безусловный байесовский риск (рис. 3):                 12730 5030 252429 27300100 5030221 р Р Р р Рrрrрr 1 ,, ,, ,, ,,, ,,             17780 5070 248668 77800100 5070 Р Р Р р Р ,, ,, ,, ,,, ,,         .,, ,,,,,, ,, 17780498 7780273022499 27300100 РР РР Р (22) Как видно из рис. 3, к мерам информативности признаков предъявляются вполне «разумные» требования, – порог селекции имеет более низкое значение (0,273) по сравнению с эмпирически задаваемым (0,5), что обеспечивает более высокий уровень достоверности разделения (рис. 2) информационного пространства образов на мно- жество опорных образов пространственно-временных полей. Выводы Как следует из проделанного анализа, сформированные шкалы информационной сложности и риска дают возможность повышать достоверность результатов обработки как за счет информационного «взвешивания» значений признаков, так и их селекции по мерам информативности. Литература 1. Анцыферов С.С. Формирование спектра тепловых изображений и распознавание их образов / С.С. Анцыферов // Оптический журнал. – 1999. – Т. 66, № 2. – С. 44-48. 2. Antsyferov S.S. Forming the spectrum of thermal images of objects and recognizing their patterns / S.S. Antsyferov // J.Opt. Technol. – 1999. – Т. 66(12). – Р. 1047-1049. 3. Анцыферов С.С. Адаптация информационно-распознающих биомедицинских систем / С.С. Анцыферов, Н.Н. Евтихиев // Биомедицинская радиоэлектроника. – 2001. – Т. 3, № 10. – С. 52-57. 4. Анцыферов С.С. Метрология виртуальных систем / С.С. Анцыферов // Измерительная техника. – 2003. – № 5. – С. 17-21. 5. Анцыферов С.С. Адаптивные системы распознавания образов пространственно-временных полей / С.С. Анцыферов, Н.Н. Евтихиев // Искусственный интеллект. – 2004. – № 3. – С. 405-416. 6. Анцыферов С.С. Адаптивная обработка информации пространственно-временных изотропных полей / С.С. Анцыферов, Н.Н. Евтихиев // Оптический журнал. – 2006. – Т. 3, № 10. – С. 52-57. 7. Анцыферов С.С. Метрология интеллектуальных систем / С.С. Анцыферов // Искусственный интел- лект. – 2008. – № 3. – С. 18-27. 8. Анцыферов С.С. Повышение интеллектуального потенциала адаптивных информационно-распо- знающих систем / С.С. Анцыферов // Искусственный интеллект. – 2010. – № 4. – С. 330-336. 9. Анцыферов С.С. Общие принципы построения и закономерности функционирования интеллекту- альных систем / С.С. Анцыферов // Искусственный интеллект. – 2011. – № 3. – С. 6-15. 10. Денисов А.А. Теоретические основы кибернетики. Информационное поле / Денисов А.А. – Л. : ЛПИ, 1975. Метрологические основы формирования информационного пространства... «Штучний інтелект» 4’2012 291 4А Literatura 1. Antsyferov S.S. Opticheskiy zhurnal. 1999. T. 66. № 2. S. 44-48. 2. Antsyferov S.S. J.Opt. Technol. 1999. T. 66(12). P. 1047-1049. 3. Antsyferov S.S. Biomedicinskaya radioelektronika. 2001. T. 3. № 10. S. 52-57. 4. Antsyferov S.S. Izmeritelinaya tehnika. 2003. № 5. S. 17-21. 5. Antsyferov S.S. Iskusstvennyj intellect. 2004. № 3. S. 405-416. 6. Antsyferov S.S. Opticheskiy zhurnal. 2006. T. 3. № 10. S. 52-57. 7. Antsyferov S.S. Iskusstvennyj intellect. 2008. № 3. S. 18-27. 8. Antsyferov S.S. Iskusstvennyj intellect. 2010. № 4. S. 330-336. 9. Antsyferov S.S. Iskusstvennyj intellect. 2011. № 3. S. 6-15. 10. Denisov A.A. Teoreticheskie osnovy kibernetiki. Informacionnoe pole. L.: LPI, 1975. S.S. Antsyferov Metrological Bases for Formation of Image Information Space in Intellectual Systems of Processing Now the huge attention is given by experts of the most various profile to the problem of creation of intellectual systems, i.e. the systems, which are carrying out processing of information at level of its “understanding” with wide use of the saved-up knowledge base. The urgency of this problem is caused as increasing information complexity of the studied phenomena and processes, and more and more accruing in a number of cases by intensity of processed information streams. Growth of requirements to accuracy (reliability) of results of processing only raises an urgency of the specified problem. The successful solution of this problem is connected not only with definition of principles of construction and regularities of functioning of intellectual systems (IS) to that a number of works [1-9] was already devoted, but also with the solution of not less important task, – development of methodology of their metrological providing. So, in the works [1-3], [5], [6], [8], [9] the directions of increase of intellectual potential of the adaptive information distinguishing systems (AIDS) realizing methodology of structural and stochastic approximation of information of existential fields and process of their processing were designated, principles of adaptation of parameters of processing algorithms, in particular, by a way of creation of evolutionary process of search of optimum model of adaptive processing within association of the symbolist and connective directions, i.e. association of logic and neural paradigms are defined. In the works [4], [7], system principles of metrological providing IS, in particular such metrological indicators as speed of adaptation, reliability and stability of results in the course of dynamic supervision were considered. However, the exit of AIDS to new, higher level of complexity, transfers them to the category of developing systems of processing, it is possible with the distributed multicomponent and multicoherent structure that, in turn, demands when developing such systems not only the accounting of regularities of their construction, functioning, development and feasibility, but also definition of adequate estimates of characteristics of these regularities (sets of system parameters) by formation of the corresponding forms of representation of the main scales of measurement of parameters as objective criteria of an assessment of quality of IS. The concept of information complexity is one of the main in the theory of information approach to the analysis of systems [10]. The sense of this concept consists that any distribution of information against the logic communications imposed on it should possess a certain contents. In the analysis of these or those situations it is accepted to say that they have bigger or smaller sense from the point of view of definite purposes. Measurability of the contents, sense of a situation thereby is defined. The concept of an information field allows to find a quantitative assessment of the contents, sense on the basis of tracing of ways of realization of logic communications. Статья поступила в редакцию 05.06.2012.
id	nasplib_isofts_kiev_ua-123456789-57728
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	1561-5359
language	Russian
last_indexed	2025-12-07T13:25:37Z
publishDate	2012
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
record_format	dspace
spelling	Анцыферов, С.С. 2014-03-14T08:38:59Z 2014-03-14T08:38:59Z 2012 Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки / С.С. Анцыферов // Штучний інтелект. — 2012. — № 4. — С. 283-291. — Бібліогр.: 10 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/57728 681.518.9; 621.384.3 Проблема обеспечения высокого уровня достоверности обработки информации и распознавания образов пространственно-временных полей является одной из важнейших при создании интеллектуальных систем, т.е. систем, осуществляющих обработку на уровне «понимания» информации. В статье излагаются метрологические основы формирования информационного пространства образов, обеспечивающего более высокий уровень достоверности обработки информации с помощью интеллектуальных систем. Проблема гарантування високого рівня достовірності обробки інформації та розпізнавання образів просторово-часових полів є однією з найважливіших при створенні інтелектуальних систем, що здійснюють обробку на рівні «розуміння інформації». У статті викладаються метрологічні основи формування інформаційного простору образів, що забезпечує більш високий рівень достовірності інформації за допомогою інтелектуальних систем. The problem of high level of assurance in information processing and images recognition of existential fields is one of the major at creating intellectual systems, i.e. the systems, which are carrying out the processing at level of “understanding” of information. In the article, metrological bases of formation of image information space for higher level of information processing assurance by means of intellectual systems are stated. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Интеллектуальные системы планирования, управления, моделирования и принятия решений Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки Метрологічні основи формування інформаційного простору образів в інтелектуальних системах обробки Metrological Bases for Formation of Image Information Space in Intellectual Systems of Processing Article published earlier
spellingShingle	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки Анцыферов, С.С. Интеллектуальные системы планирования, управления, моделирования и принятия решений
title	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
title_alt	Метрологічні основи формування інформаційного простору образів в інтелектуальних системах обробки Metrological Bases for Formation of Image Information Space in Intellectual Systems of Processing
title_full	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
title_fullStr	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
title_full_unstemmed	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
title_short	Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
title_sort	метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки
topic	Интеллектуальные системы планирования, управления, моделирования и принятия решений
topic_facet	Интеллектуальные системы планирования, управления, моделирования и принятия решений
url	https://nasplib.isofts.kiev.ua/handle/123456789/57728
work_keys_str_mv	AT ancyferovss metrologičeskieosnovyformirovaniâinformacionnogoprostranstvaobrazovvintellektualʹnyhsistemahobrabotki AT ancyferovss metrologíčníosnoviformuvannâínformacíinogoprostoruobrazívvíntelektualʹnihsistemahobrobki AT ancyferovss metrologicalbasesforformationofimageinformationspaceinintellectualsystemsofprocessing

Метрологические основы формирования информационного пространства образов в интеллектуальных системах обработки

Institution

Similar Items