СРАВНЕНИЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ОБРАЗОВ НЕЙРОННЫМИ СЕТЯМИ ХОПФИЛДА

Anna Illarionovna Pavlova, Ksenya Anatolevna Bobrikova


Аннотация


Основным достоинством искусственных нейронных сетей (ИНС) в задачах распознавания состоит в их функционировании подобно человеческому мозгу. В работе рассмотрены вопросы распознавания изображений нейронными сетями Хопфилда, выполнен сравнительный анализ распознавания изображений методом проекций и по правилу Хебба. Для этих целей разработана программа на языке C# в среде Microsoft Visual Studio 2012. В ходе распознавания эталонных и искаженных образов изображений с разным уровнем зашумленности показал, что сети Хопфилда, обучаемые методом проекций способны запоминать и восстанавливать исходные образы со значительными искажениями до 25–30%.

Ключевые слова


искусственные нейронные сети; образы; распознавание изображений; правило Хебба; метод проекций; функция энергии сети

Полный текст:

PDF>PDF

Литература


Галушкин А.И. Нейронные сети: основы теории. М.: Горячая линия-Телеком, 2010. 496 с.

Осовский С. Нейронные сети для обработки информации / Пер. с польского. М.: Финансы и статистика, 2002. 342 с.

Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польского, И.Д. Рудинского. М.: Горячая линия-Телеком, 2013. 384 с.

Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 240 c.

Хайкин С. Нейронные сети: полный курс: пер. с англ. М.: Издательский дом Вильямс, 2006. 1104 с.

Каличкин А.И., Павлова А.И. Применение нейронной экспертной системы для классификации эрозионных земель // Сибирский вестник сельскохозяйственной науки. 2014. № 6. С. 5–11.

Павлова А.И., Каличкин В.К. Картографирование эрозионных земель с помощью ГИС и нейронной экспертной системы // Интерэкспо Гео-Сибирь. 2013. Т. 3. № 4. С. 170–173.

Павлова А.И., Каличкин В.К. Автоматизированное картографирование сельскохозяйственных земель с помощью нейронной экспертной системы, интегрированной с ГИС // Достижения науки и техники АПК, 2011. № 1. С. 5–8.

Hopfield J., Tank D. Neural computation of decisions in optimization problems // Biological Cybernetics. 1985. Vol. 52, pp. 141–152.

Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 221 с.

Редько В.Г. Эволюция, нейронные сети, интеллект модели и концепция эволюционной кибернетики. М.: ЛИБРОКОМ, 2011. 220 с.

Басараб М., Вельц С.В. Иерархическое представление компьютерной сети на основе нейронной сети Хопфилда // Наука и образование, 2013. №9. С. 335–348.

Artificial Neural Networks – Methodological Advances and Biomedical Applications / Kenji Suzuki Published by InTech Janeza (editors), Croatia.

p.

MacKay David J.C. Information Theory, Inference, and Learning Algorithms URL: http://www.inference.phy.cam.ac.uk/itprnn/book.pdf (дата обращения 10.10.2016).

On the equivalence of Hopfield networks and Boltzmann Machines / A. Barra, A. Bernacchia, E. Santucci, P.Contucci// Neural Networks, 2012. Vol. 34,

pp. 1–9.

Анализ эффективности применения искусственных нейронных сетей для решения задач распознавания, сжатия и прогнозирования / А.А. Талалаев, И.П. Тищенко, В.П. Фраленко, В.М. Хачумов // Искусственный интеллект и принятий. 2008. №2. C. 34–33.

Бобрикова К.А., Павлова А.И. Применение сети Хопфилда в качестве инструмента распознавания образов // Современные материалы, техника и технологии, 2016. №1(4). С. 44–49.




DOI: https://doi.org/10.12731/wsd-2016-5-7

Ссылки

  • На текущий момент ссылки отсутствуют.


Bookmark and Share


(c) 2016 В мире научных открытий



ISSN 2658-6649 (print)

ISSN 2658-6657 (online)

HotLog Яндекс цитирования