MINISTERIUM ALLGEMEINE UND PROFESSIONAL

BILDUNG RUSSIAN Föderation


ROSTOVSKIJj STATE UNIVERSITÄT


STUHL Biophysik und Biokybernetik


EXHAUST QUALIFIKATION WORK


zum Thema: Vergleichende analizneyrosetevyh Realisierungen

Algorithms Anerkennung Bilder.


Schüler I.E.Shepelev


Forschung Kopf A.I.Samarin


SCHUTZ erlaubt


Head. die Abteilung d.b.n Professor

B.M.Vladimirsky


Rostov-on-Don

1998 г.


INDEX


Seite.

Einführung 2

Allgemeine Beschreibung Studie Nerven- Netzwerke.

Einwandige Netzwerk. Perceptron.

Multilayer- Netzwerk.

Hopfieldnetz.

Beschreibung Software Modelle und Algorithmen ihr Lernen.

Technik Ergebnisse und Experimental- Forschung.

Ausgabe Features exklusiv ODER.

3.2 Forschung dacht Single-Layer- und eine zweischichtige Nerven- Netzwerk.

Entspannung Anreiz.

Entstehung falsches Bild. Herstellung Prototyp.

Bistabilität Wahrnehmung.

Fazit.

Literatur.

Anwendung 1.

Anwendung 2.


Einleitung .


Der Haupt Ernennung Erkennungssystem Bildern Erkenntnis Entscheidung über Zubehör Bedarf ihre Bilder einige Klasse. Einer wichtiger Ansatz um das Problem beinhaltet Verwendung Aktie Funktionen. Unter den Bedingungen wenn wir nur wenige priori Informationen erkennbarer , Wann Gebäude die Anerkennung System besser zu bedienen die ausbildung Verfahren. Bis Zur erste Stufe ausgewählt willkürlich teilen Funktion, und dann in arbeit Erfüllung iterativ Steps Training die Trenn Dynamik gebracht optimale oder akzeptable Spezies.

Definitions Aktie Funktionen in der vorliegenden es sind mehrere Ansätze. B dieses Papier als zwei von ihnen, die haben entsprechende neuronale Netzwerk Umsetzung. Der erste von diesen - Perceptron sich nähern.

Früh 60 x s Minsky, Rosenblatt, Uindrou und andere Industrie Netzwerk, bestehend eine Schicht künstlich Neuronen. Häufig namens Perceptrons sie verwendet wurden für eine breite Klasse von Problemen, einschließlich künstlich Blick. Jedoch Minsk und Paypert [2] gezeigt, dass gebraucht damals Mono Netzwerktheorie nicht in der Lage lösen viele einfache Aufgaben.

Reverse-Netzwerk Verbreitung - Der erfolgreichste, offenbar modern Algorithmen windet Einschränkung spezifiziert Minsk. Gegenteil Verbreitung ist systematisch Verfahren zur Ausbildung von Mehrschicht- Netzwerke.

Der zweite Ansatz die Bestimmung Aktie Funktion wird Konzept der potentiellen Energie. Soviel Hopfield [7] in dem Problem Entspannung einige Haupt- in den Zustand einer der stabilen Staaten neuronale Netzwerk eingeführt Konzept der potentiellen Energie denen gesunken in arbeit Entspannung. Relevant Neuronale Netze in bekannter Literatur als Hopfield-Netzwerk. Dieses Netzwerk mit Feedback Bindungen, hierbei einige haben Eigenschaften würdig Aufmerksamkeit.

Bei Schritt Junggeselle Ziel war Erstellen von Computer Diese Modelle höhere neuronale Netzwerke und Analyse einige Eigenschaften assoziiert mit ihrer Ausbildung und Anerkennung ihre Bilder.


1. Allgemeine Beschreibung Studie Nerven- Netzwerke.


Single-Layer- Netzwerk. Perceptron.


Im Einklang zu [3] Perzeptron ist ein Modell geschult die Anerkennung Systems. Er Matrix lichtempfindlich Element (S-Elemente) assoziativ Elemente (A-Zellen) und Umsetzen Komponenten (R-Elemente). Tatsächlich Perzeptron besteht aus eine Schicht künstlich Neuronen verbunden mittels Gewichts Koeffizienten mehrere Eingänge.

In der 60 th Jahre Perzeptronen stieß auf großes Interesse. Rosenblatt [3] bewies das Theorem über das Lernen Perzeptron und ...


Seite 1 der 15 | Nächste Seite




Ähnliche abstracts: