Можливості класифікатора зображень на основі ART1-мережі

Скорочена інформація про документ
dc.contributor.authorДобровська, Людмила Миколаївна
dc.contributor.authorДобровська, Ірина Арбіківна
dc.contributor.authorDobrovska, Liudmyla
dc.contributor.authorDobrovska, Iryna
dc.date.accessioned2017-07-25T13:41:42Z
dc.date.available2017-07-25T13:41:42Z
dc.date.issued2016
dc.description.abstractenIn 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.abstractruЧтобы 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.description.abstractukЩоб 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.format.pagerangeС. 41-48uk
dc.identifier.citationДобровська 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.doihttp://dx.doi.org/10.20535/2312-1807.2016.21.2.65858
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/20121
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.sourceЕлектроніка та зв'язок : науково-технічний журнал, Т. 21, № 2(91)uk
dc.status.pubpublisheduk
dc.subjectнейронні мережіuk
dc.subjectАРТ1-мережаuk
dc.subjectалгоритм навчанняuk
dc.subjectneural networksen
dc.subjectART1-networken
dc.subjectlearning algorithmen
dc.subjectнейронные сетиru
dc.subjectАРТ1-сетьru
dc.subjectалгоритм обученияru
dc.subject.udc005.8:005.41uk
dc.titleМожливості класифікатора зображень на основі ART1-мережіuk
dc.title.alternativeFeatures classifier image based on ART1-networken
dc.title.alternativeВозможности классификатора зображений на основе ART1-сетиru
dc.typeArticleuk
thesis.degree.level-uk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EiS2016-2_6Dobrovskaya.pdf
Розмір:
614.39 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.8 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Електроніка та зв'язок: науково-технічний журнал, Т. 21, № 2(91)