NEURAL NETWORK TECHNOLOGIES FOR RECOGNITION CHARACTERS
Наукові журнали НАУ
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
NEURAL NETWORK TECHNOLOGIES FOR RECOGNITION CHARACTERS
Нейронные сетевые технологии для распознавания символов Нейронні мережеві технології для розпізнавання символів |
|
| Creator |
Kucherov, D. P.; Національний авіаційний університет
Ohirko, I. V.; Технологічно-гуманітарний університет імені Казимира Пулавського Ogirko, O. I.; Львівський державний університет внутрішніх справ Golenkovskaya, T. I.; Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України |
|
| Subject |
Neural networks; learning; gradient; Levenberg–Marquardt method; synthetic image
UDC 004.93'12 нейронные сети; обучение; градиентный подход; алгоритм Левенберга–Марквардта; синтетическое изображение UDC 004.93'12 нейронні мережі; навчання; градієнтний підхід; алгоритм Левенберга–Марквардта; синтетичне зображення UDC 004.93'12 |
|
| Description |
The process of neural networks modeling for pattern recognized problem of printed charactersconsidered in this paper. Learning for pattern recognition preparing for a limited set of synthetic characters.It assumes the two-layer neural network training. The convergence of three learning algorithms isstudied. They are packet-based adjustment of weights and biases, the gradient, the algorithm based on thecomputation of the Jacobian function weights. The article provides recommendations for the installation ofthe initial parameters for a set of tools Neural Networks Toolbox software Matlab. Experimental results fordifferent settings customer networks given that confirms these propositions
Рассмотрен процесс моделирования нейронных сетей для задачи распознавания буквенных символов. Обучение распознаванию проводится на ограниченном наборе синтетических символов. Для этого предполагается нейронная сеть, состоящая из двух слоёв, один их них скрытый, второй выходной. Изучена сходимость трёх алгоритмов обучения: алгоритм пакетной корректировки весов и смещений, градиентный и алгоритм, основанный навычислении матрицы Якоби функций весов. Предложены рекомендации по установке начальных параметров внаборе инструментов Neural Networks Toolbox программного обеспечения Matlab для решения этой задачи.Экспериментальные результаты подтверждают выдвинутые предположения Розглянуто процес моделювання нейронних мереж для задачі розпізнавання буквених символів. Навчання розпізнаванню проводиться на обмеженому наборі синтетичних символів. Для цього передбачається нейроннамережа, що складається з двох шарів, один їх них прихований, другий вихідний. Вивчено збіжність трьох алгоритмів навчання: алгоритм пакетного коригування ваг і зміщень, градієнтний і алгоритм, заснований на обчисленні матриці Якобі функцій ваг. Надано рекомендації з установки початкових параметрів для набору інструментів нейронної мережі Neural Networks Toolbox програмного забезпечення Matlab для вирішення цього завдання. Експериментальні результати підтверджують висунуті припущення |
|
| Publisher |
Национальный Авиационный Университет
|
|
| Contributor |
—
— — |
|
| Date |
2016-04-05
|
|
| Type |
—
— — |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ESU/article/view/9967
|
|
| Source |
Electronics and Control Systems; № 4(46) (2015); 65-71
Электроника и системы управления; № 4(46) (2015); 65-71 Електроніка та системи управління; № 4(46) (2015); 65-71 |
|
| Language |
en
|
|