Можливості класифікатора зображень на основі ART1-мережі

Добровська, Людмила Миколаївна; Добровська, Ірина Арбіківна; Dobrovska, Liudmyla; Dobrovska, Iryna

Full metadata record

DC Field	Value	Language
dc.contributor.author	Добровська, Людмила Миколаївна	-
dc.contributor.author	Добровська, Ірина Арбіківна	-
dc.contributor.author	Dobrovska, Liudmyla	-
dc.contributor.author	Dobrovska, Iryna	-
dc.date.accessioned	2017-07-25T13:41:42Z	-
dc.date.available	2017-07-25T13:41:42Z	-
dc.date.issued	2016	-
dc.identifier.citation	Добровська Л. М. Можливості класифікатора зображень на основі ART1-мережі / Л. М. Добровська, І. А. Добровська // Електроніка та зв'язок : науково-технічний журнал. – 2016. – Т. 21, № 2(91). – С. 41–48. – Бібліогр.: 6 назв.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/20121	-
dc.language.iso	uk	uk
dc.source	Електроніка та зв'язок : науково-технічний журнал, Т. 21, № 2(91)	uk
dc.subject	нейронні мережі	uk
dc.subject	АРТ1-мережа	uk
dc.subject	алгоритм навчання	uk
dc.subject	neural networks	en
dc.subject	ART1-network	en
dc.subject	learning algorithm	en
dc.subject	нейронные сети	ru
dc.subject	АРТ1-сеть	ru
dc.subject	алгоритм обучения	ru
dc.title	Можливості класифікатора зображень на основі ART1-мережі	uk
dc.title.alternative	Features classifier image based on ART1-network	en
dc.title.alternative	Возможности классификатора зображений на основе ART1-сети	ru
dc.type	Article	uk
thesis.degree.level	-	uk
dc.format.pagerange	С. 41-48	uk
dc.status.pub	published	uk
dc.publisher.place	Київ	uk
dc.identifier.doi	http://dx.doi.org/10.20535/2312-1807.2016.21.2.65858	-
dc.subject.udc	005.8:005.41	uk
dc.description.abstractuk	Щоб створити систему розпізнавання медичних зображень, необхідно враховувати діапазон можливих перетворень вхідного сигналу, що надходить від об’єкта спостереження. У зв’язку з цим основною вимогою для розпізнавання образів є створення такого класифікатора, який був би інваріантним щодо різних трансформацій. Задачу класифікації зображень розв’язували експериментально в середовищі системи MATLAB. Встановили, що 1) під час класифікації зображень за наявності не більше 40 % шуму АРТ1-мережа обирає зафіксований в асоціативній пам’яті вектор-прототип, який найбільше корелює з ним; 2) асоціативна пам’ять на основі АРТ1-мережі за ефективністю еквівалентна асоціативній пам’яті у вигляді бінарного одношарового лінійного асоціатора на основі псевдооберненого правила; вона не здатна виконувати функції інваріантного класифікатора.	uk
dc.description.abstracten	In order to create a medical image recognition system, we should take into account the range of possible changes of input signal that comes from the object. In this regard, the main requirement for pattern recognition is to provide a classifier which would be invariant under various transformations. The problem of image classification is solved experimentally based on the ART1-network system designed in MATLAB environment. It has been established that: 1) in case of not more than 40% of noise, for image classification ART1-network selects recorded in the associative memory prototype vector which is most correlated therewith; 2) the associative memory based on ART1-network performs equivalently to the associative memory in the form of a single layer binary linear associator based on pseudoinverse learning rule and it is unable to perform the functions of the invariant classifier.	en
dc.description.abstractru	Чтобы создать систему распознавания медицинских изображений, необходимо учитывать диапазон возможных преобразований входного сигнала, поступающего от объекта наблюдения. В связи с этим основным требованием для распознавания образов является создание такого классификатора, который был бы инвариантным относительно различных трансформаций. Задачу классификации изображений решали экспериментально на основе ART1-сети в среде системы MATLAB. Установлено, что 1) при классификации изображений при наличии не более 40% шума АРТ1-сеть выбирает зафиксированный в ассоциативной памяти вектор-прототип, который больше всего коррелирует с ним; 2) ассоциативная память на основе АРТ1 сети по эффективности эквивалентна ассоциативной памяти в виде бинарного однослойного линейного асоциатора на основе псевдообратного правила; она не способна выполнять функции инвариантного классификатора.	ru
dc.publisher	НТУУ «КПІ»	uk
Appears in Collections:	Електроніка та зв'язок: науково-технічний журнал, Т. 21, № 2(91)