Дослідження впливу параметрів навчання когнітрону на якість розпізнавання вихідних образів

Скорочена інформація про документ
dc.contributor.authorМолчанова, М.О.
dc.contributor.authorПротасов, М.В.
dc.contributor.authorMolchanova, M.O.
dc.contributor.authorProtasov, M.V.
dc.date.accessioned2015-05-26T13:21:14Z
dc.date.available2015-05-26T13:21:14Z
dc.date.issued2014
dc.description.abstractУ статті запропоновано уточнену цілісну математичну модель нейронної мережі типу когнітрон. Досліджено вплив параметрів навчання на роботу нейронної мережі. Встановлено, що дані параметри повинні підлаштовуватися під конкретні задачі, та можуть змінюватись в залежності від розміру зображення та його форми. Також відмічено можливість нейронної мережі типу когнітрон до відновлення пошкоджених образів. Дана робота може бути використана для подальшої реалізації та аналізу параметрів математичної моделі неокогнітрону, який у порівнянні з когнітроном є стійким не лише до шумів та пошкоджень, але й до поворотів та масштабування.uk_UA
dc.description.abstractAim of research is to renew mathematical model of neural network of cognitron type and to investigate the influence of learning parameters on the work of the neural network. The article offers an integrated refined mathematical model of neural networks of cognitron type. The influence of learning parameters on the performance of the neural network has been researched. It has been established that these parameters must adapt to specific tasks and may vary depending on the image size and its shape. Also the possibility of neural networks of cognitron type to restore damaged images has been noted. To correct the weights from the inhibitory to the activation neuron instead of the traditional weights usage, that is from activation neurons of the previous layer to the current activation layer of neurons, the weights from the activation neurons to the inhibitory ones are used. This work can be used to further the implementation and analysis of parameters of the mathematical neocognitron model, which in comparison with cognitron is resistant not only to noise and damage, but also to the rotation and scaling.uk_UA
dc.identifier.citationМолчанова, М. О. Дослідження впливу параметрів навчання когнітрону на якість розпізнавання вихідних образів [Текст] / М. О. Молчанова, М. В. Протасов // Вісник Хмельницького національного університету. Технічні науки. – 2014. – № 5. – С. 240-246.uk_UA
dc.identifier.issn2307-5732
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/3803
dc.language.isoukuk_UA
dc.publisherХмельницький національний університетuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectкогнітронuk_UA
dc.subjectрозпізнавання образівuk_UA
dc.subjectneural networkuk_UA
dc.subjectcognitronuk_UA
dc.subjectpattern recognitionuk_UA
dc.subject.udc004.8uk_UA
dc.titleДослідження впливу параметрів навчання когнітрону на якість розпізнавання вихідних образівuk_UA
dc.title.alternativeResearch of cognitron training parameters’ influence on quality of output pattern recognitionuk_UA
dc.typeСтаттяuk_UA
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Vchnu_tekh_2014_5_45.pdf
Розмір:
573.15 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
Вісник ХНУ. Технічні науки - 2014 рік