Background Image
Previous Page  11 / 16 Next Page
Information
Show Menu
Previous Page 11 / 16 Next Page
Page Background

принципу работы биологических нейронных сетей — сетей нервных

клеток живого организма. Искусственная НС состоит из связанной

группы искусственных нейронов и обрабатывает информацию, ис-

пользуя коннективисткий подход для вычислений. В большинстве

случаев ИНС — адаптивная система, которая изменяет свою структу-

ру, основываясь на обработке входящей или исходящей информации,

которая проходит через сеть во время фазы обучения. Другими слова-

ми, нейронные сети — инструменты для моделирования нелинейных

статистических данных. Искусственная НС используется для моде-

лирования сложного отношения между входами (input) и выходами

(output), а также для распознавания образов среди данных.

Генетические алгоритмы

могут быть применены для распозна-

вания рукописных символов. Перед применением такого алгоритма

последовательно выполняются скелетизация, векторизация и удаление

“шпор”, разбиение на символы и их распознавание.

Скелетизация (утончение линий изображения) отличается просто-

той, быстродействием и дает наименьшее число “шпор”. Если в ре-

зультате скелетизации образуются “шпоры”, то запускается алгоритм

удаления “шпор”. Затем к изображению применяется алгоритм выде-

ления отдельных символов (рис. 5).

Нейронные сети.

Применение нейросетевых парадигм для реше-

ния какой-либо задачи возможно при следующих условиях: могут быть

представлены примеры решения задачи; имеется взаимосвязь между

входными и выходными данными, т.е. изменения на входе влияют на

результат на выходе. Упрощенная модель НС представлена на рис. 6.

Искусственные НС — достаточно эффективный инструмент реше-

ния трудно формализуемых задач с неполной или плохо определен-

ной информацией, например для распознавания рукописных символов.

Схема такой сети показана на рис. 7.

Для обучения сверточной НС используется алгоритм обратного

распространения ошибки. Обучение сети начинается с предъявления

образа и вычисления соответствующей реакции. Сравнение с желае-

мой реакцией дает возможность изменять веса связей так, чтобы сеть

на следующем шаге могла выдавать более точный результат.

Основные способы обучения:

обучение с учителем (выходное пространство решений НС из-

вестно);

Рис. 5. Результат работы генетического алгоритма

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2015. № 3 33