Нейросетевые технологии в задаче распознавания рукописных символов
Vernadsky National Library of Ukraine
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Нейросетевые технологии в задаче распознавания рукописных символов
|
|
| Creator |
Гольцев, А.Д.
Гриценко, В.И. |
|
| Subject |
100-летие Национальной академии наук Украины
|
|
| Description |
Описаны структуры и механизмы работы классификатора LiRA и модульных нейронных сетей. Оба классификатора решают задачу распознавания изображений на основе поиска признаков в них. Эксперименты в сравнении двух классификаторов, показали, что последняя версия модульной нейронной сети обладает более высокой эффективностью (распознающей способностью), чем классификатор LiRA, хотя и несколько уступает ему в быстродействии.
Результат - в статті розглянуті два типи нейронних класифікаторів: нейронний класифікатор LiRA і модульні нейронні мережі. Обидва класифікатора призначені для вирішення практичних завдань з розпізнавання зображень. Обидва класифікатора вирішують задачу на основі пошуку в зображеннях деякого набору заздалегідь сконструйованих ознак. Функціонування обох класифікаторів розглянуто на прикладі використання так званих LiRA-ознак. Здатність класифікаторів ефективно розпізнавати зображення базується саме на використанні дуже великої кількості (десятків і сотень тисяч) простих і ефективних LiRA-ознак. На основі результатів ряду експериментів в порівнянні класифікатора LiRA і модульної нейронної мережі, показано, що остання версія модульної нейронної мережі володіє більш високою ефективністю ніж класифікатор LiRA, хоча і дещо поступається йому за швидкодією. Results the article considers two types of neural classifiers: LiRA neural classifier and modular neural networks. Both classifiers are designed to solve practical problems of image recognition. Both classifiers solve the problem by searching a certain set of pre-constructed features in the images. Both classifiers use the so-called LiRA-features. The ability of classifiers to effectively recognize visual images is largely based on the use of a very large number (tens and hundreds of thousands) of simple and effective LiRA functions. A series of experiments is conducted comparing the LiRA classifier and the modular neural network. The experiments show that the latest version of the modular neural network has a higher efficiency (recognition ability) than the LiRA classifier, although it is slightly inferior in speed. |
|
| Date |
2019-04-08T13:09:51Z
2019-04-08T13:09:51Z 2018 |
|
| Type |
Article
|
|
| Identifier |
Нейросетевые технологии в задаче распознавания рукописных символов / А.Д. Гольцев, В.И. Гриценко // Управляющие системы и машины. — 2018. — № 4. — С. 3-20. — Бібліогр.: 49 назв. — рос.
0130-5395 DOI https://doi.org/10.15407/usim.2018.04.003 http://dspace.nbuv.gov.ua/handle/123456789/150486 004.8 + 004.032.26 |
|
| Language |
ru
|
|
| Relation |
Управляющие системы и машины
|
|
| Publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
|
|