ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ

ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ

The paper reviews the state-of-the-art in structural recognition, a research area in modern pattern recognition theory. The paper shows that basic problems of structural recognition go beyond machine learning theory and in such way slightly moderates the revived idea that the pattern recognition pro...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2020
Hauptverfasser: Gritsenko, V.I., Schlesinger, M.I.
Format: Artikel
Sprache:English
Veröffentlicht: V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2020
Schlagworte:
розпізнавання образів
машинне навчання
несуперечність обмежень
гіббсові поля
субмодулярна мінімізація
Online Zugang:https://jais.net.ua/index.php/files/article/view/473
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Problems of Control and Informatics

Institution

Problems of Control and Informatics
id oai:ojs2.jais.net.ua:article-473
record_format ojs
institution Problems of Control and Informatics
baseUrl_str
datestamp_date 2025-03-14T15:38:37Z
collection OJS
language English
topic розпізнавання образів
машинне навчання
несуперечність обмежень
гіббсові поля
субмодулярна мінімізація
spellingShingle розпізнавання образів
машинне навчання
несуперечність обмежень
гіббсові поля
субмодулярна мінімізація
Gritsenko, V.I.
Schlesinger, M.I.
ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
topic_facet розпізнавання образів
машинне навчання
несуперечність обмежень
гіббсові поля
субмодулярна мінімізація
Pattern recognition
machine learning
constraint satisfaction problem
Gibbs fields
submodular minimization
format Article
author Gritsenko, V.I.
Schlesinger, M.I.
author_facet Gritsenko, V.I.
Schlesinger, M.I.
author_sort Gritsenko, V.I.
title ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
title_short ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
title_full ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
title_fullStr ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
title_full_unstemmed ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ
title_sort взаємозв’язок проблем розпізнавання образів, машинного мислення і навчання
title_alt INTERRELATION OF PATTERN RECOGNITION, MACHINE THINKING AND LEARNING PROBLEMS
description The paper reviews the state-of-the-art in structural recognition, a research area in modern pattern recognition theory. The paper shows that basic problems of structural recognition go beyond machine learning theory and in such way slightly moderates the revived idea that the pattern recognition problem is entirely exhausted with machine learning. At the same time, the paper shows that main concepts and problems of structural recognition form a base for appropriate formalization of particular type of thought processes, which differ from learning and are called imaginative thinking. The main idea of this formalization relies on classical theory of Constraint Satisfaction Problem, one of the acknowledged paradigms of machine thinking. However the binding of this theory to real recognition tasks forces to generalize the theory itself and in such way to specify and refine the concept of machine thinking, for formalization of which the theory was intended. A generalized problem of structural recognition and imaginative thinking is formulated in the paper, classical Constraint Satisfaction Problem being its special case as well as its stochastic and optimization modifications, appropriate with regard to realistic recognition problems. For the Gibbs’ statistical model of recognized object, it is shown how recognition of such objects is reduced to such or other special case of generalized structural recognition problem. For more general statistical models, not necessarily Gibbs’ models, the application of known learning procedures to fixed size learning samples is analyzed. The flaw known as the short sample effect is explored, its deep-rooted causes are determined as well as a way to overcome them.
publisher V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
publishDate 2020
url https://jais.net.ua/index.php/files/article/view/473
work_keys_str_mv AT gritsenkovi interrelationofpatternrecognitionmachinethinkingandlearningproblems
AT schlesingermi interrelationofpatternrecognitionmachinethinkingandlearningproblems
AT gritsenkovi vzaêmozvâzokproblemrozpíznavannâobrazívmašinnogomislennâínavčannâ
AT schlesingermi vzaêmozvâzokproblemrozpíznavannâobrazívmašinnogomislennâínavčannâ
first_indexed 2025-10-30T02:49:14Z
last_indexed 2025-10-30T02:49:14Z
_version_ 1847373389912604672
spelling oai:ojs2.jais.net.ua:article-4732025-03-14T15:38:37Z INTERRELATION OF PATTERN RECOGNITION, MACHINE THINKING AND LEARNING PROBLEMS ВЗАЄМОЗВ’ЯЗОК ПРОБЛЕМ РОЗПІЗНАВАННЯ ОБРАЗІВ, МАШИННОГО МИСЛЕННЯ І НАВЧАННЯ Gritsenko, V.I. Schlesinger, M.I. розпізнавання образів машинне навчання несуперечність обмежень гіббсові поля субмодулярна мінімізація Pattern recognition machine learning constraint satisfaction problem Gibbs fields submodular minimization The paper reviews the state-of-the-art in structural recognition, a research area in modern pattern recognition theory. The paper shows that basic problems of structural recognition go beyond machine learning theory and in such way slightly moderates the revived idea that the pattern recognition problem is entirely exhausted with machine learning. At the same time, the paper shows that main concepts and problems of structural recognition form a base for appropriate formalization of particular type of thought processes, which differ from learning and are called imaginative thinking. The main idea of this formalization relies on classical theory of Constraint Satisfaction Problem, one of the acknowledged paradigms of machine thinking. However the binding of this theory to real recognition tasks forces to generalize the theory itself and in such way to specify and refine the concept of machine thinking, for formalization of which the theory was intended. A generalized problem of structural recognition and imaginative thinking is formulated in the paper, classical Constraint Satisfaction Problem being its special case as well as its stochastic and optimization modifications, appropriate with regard to realistic recognition problems. For the Gibbs’ statistical model of recognized object, it is shown how recognition of such objects is reduced to such or other special case of generalized structural recognition problem. For more general statistical models, not necessarily Gibbs’ models, the application of known learning procedures to fixed size learning samples is analyzed. The flaw known as the short sample effect is explored, its deep-rooted causes are determined as well as a way to overcome them. Виконано огляд досліджень з структурного розпізнавання — одного з напрямків сучасного розпізнавання образів. Показано, що основна проблематика структурного розпізнавання виходить за рамки проблем машинного навчання, і таким чином вноситься певна стриманість у поширене уявлення, що проблеми розпізнавання повністю поглинаються проблемами навчання. Разом з цим показано, що базові поняття і задачі структурного розпізнавання творять основу для формалізації певного класу процесів мислення, що відрізняються від навчання і названі образним мисленням. Международный научно-технический журнал Математичною основою робіт, залучених до огляду, є класична теорія несуперечності обмежень — одна з загальновизнаних парадигм машинного мислення. В роботі показано, як застосування цієї теорії до реальних задач розпізнавання викликає необхідність її подальших узагальнень, що в свою чергу розширює поняття машинного мислення, на формалізацію якого ця теорія на самому початку була спрямована. Формулюється узагальнена задача структурного розпізнавання і образного мислення, окремим випадком якої є класична задача несуперечності обмежень. Для гіббсової статистичної моделі об’єктів, що розпізнаються, показано, як розпізнавання цих об’єктів зводиться до розв’язку того чи іншого окремого випадку узагальненої задачі структурного розпізнавання. Для більш загальних статистичних моделей, не обов’язково гіббсових, виконано аналіз відомих процедур навчання при їх використанні з навчальною інформацією обмеженого об’єму. Досліджено недолік цих процедур, відомий як ефект коротких вибірок, показано його причини і шляхи його подолання. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2020-06-20 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/473 10.1615/JAutomatInfScien.v52.i5.50 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 65 № 3 (2020): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 108-136 International Scientific Technical Journal "Problems of Control and Informatics; Том 65 № 3 (2020): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 108-136 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 65 No. 3 (2020): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 108-136 2786-6505 2786-6491 en https://jais.net.ua/index.php/files/article/view/473/543 Copyright (c) 2020 V.I. Gritsenko, M.I. Schlesinger https://creativecommons.org/licenses/by-nc-nd/4.0

Ähnliche Einträge