Критерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв’язання задачі розпізнавання 2d об’єктів з великою кількістю бінарних ознак

Скорочена інформація про документ
dc.contributor.authorМолчанова, М.О.
dc.contributor.authorMolchanova, M.O.
dc.date.accessioned2015-08-23T14:10:34Z
dc.date.available2015-08-23T14:10:34Z
dc.date.issued2014
dc.description.abstractДосліджується розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Ставиться задача сформулювати критерії ефективності та застосувати їх для визначення оптимального класифікатора у вирішенні задачі розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Для цього виконується порівняльний аналіз двох альтернативних нейронних мереж – двошарового персептрону та когнітрону. На основі виконаного порівняльного аналізу формулюються наступні критерії: час навчання нейронної мережі; відсоток коректного розпізнавання "чистих" образів; відсоток коректного розпізнавання “зашумлених" образів; відсоток коректного розпізнавання зображень з поворотом. Застосувавши цей набір критеріїв, персептрон виявився оптимальним класифікатором за трьома критеріями, окрім критерію “час навчання нейронної мережі” за умов його навчання на репрезентативній вибірці генеральної сукупності.uk_UA
dc.description.abstractThere is considered a 2D objects recognition problem with a great deal of binary features. The problem is to formulate efficiency criteria and to apply them for determining the optimal classifier in solving the recognition problem of 2D objects with a great deal of binary features. For fulfilling this, comparative analysis is done for two alternative neural networks twolayer perceptron and cognitron. Based on the fulfilled comparative analysis, the following criteria are formulated: neural network traintime; percentage of correct recognition of "clean" images; percentage of correct recognition of "noisy" images, percentage of correct recognition of rotated images. Having applied the set of criteria, the perceptron appears optimal classifier by three criteria except the criterion "neural network traintime" under conditions of training it on representative sample of the general totality.uk_UA
dc.identifier.citationКритерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв'язання задачі розпізнавання 2d об'єктів з великою кількістю бінарних ознак [Текст] / М. О. Молчанова // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2014. – № 4. – С. 98-105.uk_UA
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/4159
dc.language.isoukuk_UA
dc.publisherХмельницький національний університетuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectкогнітронuk_UA
dc.subjectперсептронuk_UA
dc.subjectрозпізнавання образівuk_UA
dc.subjectneural networkuk_UA
dc.subjectcognitronuk_UA
dc.subjectperceptronuk_UA
dc.subjectimage recognitionuk_UA
dc.subject.udc004.8uk_UA
dc.titleКритерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв’язання задачі розпізнавання 2d об’єктів з великою кількістю бінарних ознакuk_UA
dc.title.alternativeCriteria and estimates of efficiency of cognitron and two-layer perceptron with nonlinear activation functions for solving the recognition problem of 2d objects with a great deal of binary featuresuk_UA
dc.typeСтаттяuk_UA
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
vott_2014_4_19.pdf
Розмір:
640.64 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
ВОТТП - 2014 рік