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
Вантажиться...
Дата
2015
Автори
Романюк, В.В.
Romanuke, V.V.
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
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 %.
There is studied a problem of turned‐scaled objects classification. The object model is the letter of English alphabet, which is monochrome 60‐by‐80‐image. The classifier is 2‐layer perceptron trained on turned‐scaled images with normally distributed pixel distortion. The relationship among turning‐scaling distortion intensities and pixel distortion intensity is regulated by pixel‐to‐turn‐scale standard deviations ratio. For decreasing classification error percentage, the ratio is optimized. The optimal ratio is evaluated as the segment as well, where a graph of classification error percentage function has a cavity. The best‐trained‐under‐the‐optimal‐ratio classifier makes errors no greater than 1.004 %.
There is studied a problem of turned‐scaled objects classification. The object model is the letter of English alphabet, which is monochrome 60‐by‐80‐image. The classifier is 2‐layer perceptron trained on turned‐scaled images with normally distributed pixel distortion. The relationship among turning‐scaling distortion intensities and pixel distortion intensity is regulated by pixel‐to‐turn‐scale standard deviations ratio. For decreasing classification error percentage, the ratio is optimized. The optimal ratio is evaluated as the segment as well, where a graph of classification error percentage function has a cavity. The best‐trained‐under‐the‐optimal‐ratio classifier makes errors no greater than 1.004 %.
Опис
Ключові слова
автоматизація, повернуті і масштабовані об’єкти, класифікація об’єктів, неокогнітрон, персептрон, монохромні зображення, піксельні спотворення, інтенсивність спотворень поворотами, інтенсивність спотворень масштабуванням, навчальна вибірка, відношення середньоквадратичних відхилень піксельних спотворень і спотворень поворотами та масштабуванням, відсотковий рівень помилок, automatization, turned‐scaled objects, object classification, neocognitron, monochrome images, pixel distortion, turning distortion intensity, scaling distortion intensity, training set, pixel‐to‐turn‐scale standard deviations ratio, classification error percentage
Бібліографічний опис
Романюк, В.В. 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 [Текст] / В. В. Романюк // Вісник Хмельницького національного університету. Технічні науки. – 2015. – № 1. – С. 112-121.