Herald of Khmelnytskyi National University. Technical Sciences=Вісник Хмельницького національного університету. Технічні науки
Постійне посилання на фонд
Переглянути
Перегляд Herald of Khmelnytskyi National University. Technical Sciences=Вісник Хмельницького національного університету. Технічні науки за Ключові слова "004.032.26:004.93"
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Equalization of nonuniform distribution of recognition errors percentage over classes in classifying shifted monochrome 60-by-80-images(Хмельницький національний університет, 2015) Romanuke, V.V.; Романюк, В.В.A study for equalizing nonuniform distribution of recognition errors percentage over classes is presented. The problem is exemplified on classifying shifted monochrome 60by80images of 26 English alphabet letters. A general conception of adjusting the training process of twolayer perceptron classifier for the equalization is stated. In classifying shifted monochrome 60by80images, this conception is used partially for cutting off extremely long training sample set. Within the example, the nonuniformity is reduced nearly for 25 %. The conception root is that the class representative recognized poorer is repeated in the training set. As the class recognition errors percentage increases, the repeat number is greater. However, the equalization conception is usable only for reasonable number of classes, so that the training sample set length could be shorter. Besides, the twolayer perceptron classifier can be adjusted by four parameters, determining the training sample set length and number of times when this set is passed through the perceptron. While equalizing, the hidden layer size of the twolayer perceptron should not be changed. For estimating nonuniformity, variance unbiased estimates may be used as well. The variance is decreased further using boosting ensembles of perceptron classifiers.Документ Зависимость производительности нейросети с прямой связью с одним скрытым слоем нейронов от гладкости её обучения на зашумленных копиях алфавита образов(Хмельницький національний університет, 2013) Романюк, В.В.Рассматривается нейросеть с прямой связью с одним скрытым слоем нейронов, предназначенная для распознавания монохромных изображений небольшого формата. Исследуется зависимость производительности такой нейросети от гладкости её обучения, определяемой в смысле частоты разбиения отрезка среднего квадратического отклонения шума для генерирования и подачи зашумленных изображений на вход. Полученные по достаточно объёмным тестированиям нейросети результаты свидетельствуют о том, что производительность нейросети при сглаживании процесса обучения повышается, однако при этом процесс обучения значительно замедляется. В средах с более мощными вычислительными ресурсами это замедление предполагается менее ощутимым, поэтому там общая функциональность нейросети при гладком обучении будет улучшена.Документ Оптимальне відношення середньоквадратичних відхилень піксельних спотворень і спотворень поворотами та масштабуванням для навчання 2-шарового персептрона на повернутих і масштабованих об'єктах з узгодженими за розподілом спотвореннями ознак у класифікації повернутих і масштабованих об'єктів(Хмельницький національний університет, 2015) Романюк, В.В.; Romanuke, V.V.Досліджується задача класифікації повернутих і масштабованих об’єктів. Моделлю об’єкта виступає літера англійського алфавіту, котра представляє собою монохромне зображення формату 60 на 80. Класифікатором є 2‐шаровий персептрон, що навчається на повернутих і масштабованих зображеннях з нормально розподіленими піксельними спотвореннями. Співвідношення між інтенсивностями спотворень поворотів і масштабування та інтенсивністю піксельних спотворень регулюється відношенням середньоквадратичних відхилень піксельних спотворень і спотворень поворотами та масштабуванням. Для зменшення відсоткового рівня помилок це відношення оптимізується. Оптимальне відношення оцінюється також як і відрізок, де графік відсоткового рівня помилок має западину. Найкращий класифікатор, навчений за оптимального відношення, робить помилки, що не перевищують 1.004 %.Документ Постановка задачи оптимизации параметров нейросети с прямой связью для распознавания образов по критериям максимизации её производительности и условия их свёртки(Хмельницький національний університет, 2012) Романюк, В.В.Обсуждается проблема улучшения производительности нейросетевого исследования на примере нейросети с прямой связью для распознавания образов. Формализируется отображение входных параметров такой нейросети в пять показателей её производительности. Представляются пять критериев максимизации производительности нейросети, и предлагаются условия их свёртки для получения однозначного решения в форме множества оптимизированных входных параметров нейросети.