Скачать 116.99 Kb.
|
1)Проектируемая система распознавания изучает особенности объектов и выясняет отличия и сходства изучаемых объектов 2)Проведение классификации распознаваемых объектов или явлений. Главное - выбор подходящего принципа классификации. 3)Составление словаря признаков, используемого как для априорного описания классов, так и для апостериорного описания каждого неизвестного объекта. Признаки можно подразделить на логические (детерминированные) и вероятностные. 4)Описание классов объектов на языке признаков.
-бинарный признак: ![]() -номинальный признак: ![]() -порядковый признак: ![]() -количественный признак: ![]()
а) уменьшение статистической устойчивости результатов распознавания; б) зависимость продолжительности работ по измерению значений признаков (затрат времени) от технологии работ по распознаванию.
-функция плотности распределения вероятностей появления образа f ε (х) -условные вероятности принадлежности некоторого образа заданным классам p(wi | x0) -вероятности появления классов pi = (wi) -функции условных плотностей распределения вероятностей образов внутри классов fi(x) = f ε (х | wi)
-системы распознавания без обучения -системы распознавания с обучением
-непосредственное изучение фактических данных -эвристическое конструирование
-проверить существует ли вероятностная зависимость между xk и xb -подобрать кривую, либо поверхность распределений, сглаживающую изучающий ряд распределений
Если объект относится к классу Ω1 а его считают объектом класса Ω2, то совершена ошибка — ошибка первого рода, условная вероятность которой ![]()
если справедлива гипотеза Н2, а отдано предпочтение гипотезе Нх, то совершена ошибка второго рода, условная вероятность которой ![]()
R = ![]()
![]() Величину ![]()
Стратегия Байеса, Минимаксная стратегия и стратегия Неймана-Пирсона.
Апостериорная вероятность принадлежность образа, предположим к 1 классу, определяется следующим образом: P( ![]()
правило, в соответствии с которым стратегия решений выбирается таким образом, чтобы обеспечить минимум среднего риска. Минимум риска, усредненного по множеству решений задачи распознавания неизвестных объектов, обеспечивается тогда, когда решения о принадлежности объектов классу Ω1 и Ω2 принимаются в соответствии со следующим правилом: если измеренное значение признака у данного объекта расположено в области R1 то объект относится к классу Ω1 если в области R2 — к классу Ω2.
априорные вероятности и стоимости ошибок
Минимаксная стратегия состоит в том, что решение о принадлежности неизвестного объекта соответствующему классу принимается на основе байесовской стратегии, соответствующей такому значению P(Ω1), при котором средний риск максимален
стоимости ошибок
допустимая величина ошибки или 1 или 2 рода
Как минимум нужно выявить кластер → Для того чтобы определить на множестве данных кластер необходимо ввести меру сходства (подобия), которая будет положена в основу правила отнесения образов к области характеризуемой некоторым центром кластера.
K(X1, Xk)= ![]()
Требуется, чтобы выбранная функция допускала разложение в бесконечный ряд.
На этапе обучения объекты обучающей выборки предъявляются системе распознавания, которая последовательно вычисляет значения потенциальных функций и кумулятивного потенциала (Ki(X)). В начале обучения K = 0; Далее его вид корректируется: ![]()
Под кластером понимают группу объектов, образующих в пространстве признаков компактную, в некотором смысле, область.
— математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.
БН имеет тело с набором органелл (сома). Внутри тела ядро, а из сомы выходят многочисленные отростки ( дендриты и аксоны). Входные сигналы поступают в клетку через синапсы.
![]() 1.Нейроны, выходные сигналы которых поступают на вход данному 2.Сумматор входных сигналов 3.Вычислитель передаточной функции 4.Нейроны, на входы которых подаётся выходной сигнал данного 5. — веса входных сигналов
,где ![]() ![]()
Каждая связь характеризуется своим весом. Связи с положительным весом называются возбуждающими, а с отрицательным — тормозящими.
Математически эту функцию можно выразить так: ![]() Здесь t — это параметр функции, определяющий её крутизну. Когда t стремится к бесконечности, функция вырождается в пороговую. При сигмоида вырождается в постоянную функцию со значением 0,5. Область значений данной функции находится в интервале (0,1). Важным достоинством этой функции является простота её производной: ![]()
По архитектуре связей нейронные сети можно разделить на два класса: сети прямого распространения (без обратных связей) и рекуррентные сети (с обратными связями)
![]()
Сети, в которых каждый нейрон системы может принимать одно из двух состояний.
Сети, в которых каждый нейрон системы принимает информацию в форме действительных чисел
Нейронная сеть, в которой в каждый момент времени свое состояние меняет лишь один нейрон.
Нейронная сеть, в которой в каждый момент времени состояние меняется у целой группы нейронов, как правило, у всего слоя.
Возможности сети возрастают с увеличением числа ячеек сети, плотности связей между ними и числом выделенных слоев Введение обратных связей наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивости сети; Сложность алгоритмов функционирования сети (в том числе, например, введение нескольких типов синапсов – возбуждающих, тромозящих и др.) также способствует усилению мощи НС
![]()
Алгоритм обратного распространения ошибки Обучение с моментом (модификация предыдущего) Градиентные способы Имитация отжига Обучение Больцмана Генетические алгоритмы
Эвристические методы; Математические методы; Лингвистические (синтаксические) методы.
![]() где xi - i-ый вход НС dj - желаемый j-тый выход НС a - скорость обучения Весовые коэффициенты меняются только в том случае, если реальное выходное значение не совпадает идеальным выходным значением
![]() где а - это скорость обучения сети
Гиперболический тангенс Сигмоидальная логистическая
Когда максимальное количество эпох достигнуто Когда ошибка не уменьшается Когда ошибка в пределах допустимых границ
![]() где t – номер текущей итерации; w – весовой коэффициент; η – коэффициент скорости обучения, 0 < η <1.
Алгоритм обратного распространения ошибки является одним из методов обучения многослойных нейронных сетей прямого распространения, называемых также многослойными персептронами и относится к градиентным алгоритмам.
Медленный.
![]() ![]() где t – номер текущей итерации; w – весовой коэффициент; η – коэффициент скорости обучения, 0 < η <1; dk – значение сети; yk – реальное значение, которое должна выдавать сеть; Xk – входной вектор; α - момент;
Как правило, выходные сигналы слоя Кохонена обрабатываются по правилу «победитель забирает всё»: наибольший сигнал превращается в единичный, остальные обращаются в нуль.
![]() где ![]() где ![]()
Нечетное множество называется нормальным, если его высота равна 1.
Нечетное множество называется субнормальным, если его высота строго меньше 1. |
![]() | Рассказ в экскурсии и основные требования, предъявляемые к нему.... ... | ![]() | Основные задачи исследования Разработать теоретический подход к решению задачи построения кт методом коллоидного синтеза |
![]() | Вопрос Дайте определение розничной и оптовой торговли. Перечислите... Вопрос Дайте определение розничной и оптовой торговли. Перечислите основные функции торговли. Рассмотрите задачи розничной и оптовой... | ![]() | Частный случай распределительных систем Основные проблемы построения сетей. Связь компьютера с периферийными устройствами |
![]() | Причины проведения автоматизации документооборота Роль и место информационных систем в бизнесе. Назначение, основные задачи информационных систем в бизнесе | ![]() | Вопросы по эса к государственному экзамену Основные направления развития, принципы построения и методы анализа и синтеза современных электромеханических систем. Обобщенная... |
![]() | Структурная минимизация систем управления, наблюдения и стабилизации Решение этой задачи возможно редуцировать на линейные стационарные системы наблюдения, т к задача управляемости и наблюдаемости для... | ![]() | Исследование бессознательного для построения систем искусственного интеллекта В связи с растущей тенденцией по созданию искусственного интеллекта, задачи которого заключаются в имитации психических функций человека,... |
![]() | Урок формирования навыков Перечислите основные типы уроков. Раскройте основные структурные элементы урока иностранного языка. Выявите основные особенности... | ![]() | Пояснительная записка Учебная дисциплина «Организация ЭВМ и систем» Целью изучения дисциплины является системное представление об уровнях организации и функционирования эвм, взаимодействии базовых... |