В рамках непараметрического метода функционально-статистических испытаний предложен алгоритм оптимизации в информационном смысле параметров обучения. На примере построения разделяющей гиперповерхности для класса распознавания дана оценка допустимости, наблюдаемости рабочей области значений информационного критерия функциональной эффективности.

Установлена аналитическая связь между информационным критерием функциональной эффективности обучающейся системы распознавания и стандартным интегральным показателем надежности - коэффициентом сохранения эффективности функции. Для предложенной конструкции показателя надежности рассмотрен вычислительный аспект.

Проанализированы последствия предельного перехода от вероятностных к детерминированным системам распознавания. Уточнены основные отличительные особенности систем этих классов и сформулировано отношение для отдельных операций.

Рассмотрены вопросы оптимизации принятия решений в системах распознавания графических изображений цифровых почтовых индексов.

Індекс рубрикатора НБУВ: З970.54

Рубрики:

Системи розпізнавання образів

Шифр НБУВ: Ж69231 Пошук видання у каталогах НБУВ 

Освещены философско-психологические аспекты распознавательной деятельности человека, проанализировано взаимодействие основных психических функций в данном процессе. Изложены исходные положения теории и практики распознавания, представлены методы оценки сходства и отличий образов в указанном процессе, состав и классификация систем автоматического распознавания по информационным характеристикам, а также характеристикам назначения и базирования средств.

Проаналізовано показники вірогідності роботи систем розпізнавання образів, розділених на ймовірнісні та детерміновані. Описано статистичні властивості коефіцієнта вірогідності розпізнавання на основі моментних функцій першого і другого порядків. Викладено методику порівняння ефективності спрацювання систем розпізнавання за допомогою моментних функцій коефіцієнта вірогідності розпізнавання. Розглянуто метод детектування правильних образів у межах довірчого інтервалу та підходи, що базуються на статистичних критеріях виявлення. Висвітлено особливості параметричного синтезу алгоритмів розпізнавання на основі показників вірогідності роботи систем розпізнавання та послідовного аналізу.

Проанализированы показатели достоверности работы систем распознавания образов, разделенных на вероятностные и детерминированные. Описаны статистические свойства коэффициента достоверности распознавания на основе моментных функций первого и второго порядков. Изложена методика сравнения эффективности срабатывания систем распознавания с помощью моментных функций коэффициента достоверности распознавания. Рассмотрены метод детектирования правильных образов в пределах доверительного интервала и подходы, базирующиеся на статистических критериях выявления. Освещены особенности параметрического синтеза алгоритмов распознавания на основе показателей достоверности работы систем распознавания и последовательного анализа.

Для решения задач распознавания образов в большом признаковом пространстве предложена матричная модель представления знаний и алгоритмы построения безусловных и условных логических тестов, являющихся по сути диагностическими. Использование k-значного представления признаков более экономно по сравнению с бинарным и является перспективным при представлении и обработке знаний и принятии решений.

Осуществлено обоснование выбора метода минимизации признакового пространства. В результате использован метод разложения по системе ортогональных функций - разложение Карунена - Лоэва. Основное преимущество этого разложения состоит в том, что оно позволяет обойтись без знания плотностей распределения образов, входящих в отдельные классы, и повысить быстродействие распознающих систем.

Запропоновано алгоритм підвищення асимптотичної точності системи розпізнавання образів з відкритою абеткою за допомогою введення надлишкових вхідних даних. Алгоритм реалізовано в межах методу функціонально-статистичних випробувань, що базується на оцінці інформаційної здатності системи розпізнавання.

Отмечено, что при решении задач распознавания образов требуется построить классификатор качества алгоритмов для небольших значений. Исследован вопрос обоснования качества алгоритма распознавания.

Предложен механизм вывода экспертного заключения в системах с распознаванием образных данных. Отмечено, что операции над ограниченными TS-сетями Петри вводятся с помощью теоретико-множественных операций, доказана полнота алгебры относительно введенных операций, а также тождественность некоторых преобразований. Предложенный аппарат ограниченных TS-сетей Петри может быть дополнен понятием k-ограниченности, что упростит процедуру построения информационной структуры классифицированных признаков.

Розглянуто розв'язок задачі відбору ознак на базі нейронних мереж прямого поширення. Запропоновано алгоритми оцінки значущості ознак. Наведено та проаналізовано результати експериментів з розв'язку практичних задач на підставі запропонованих методів.

Запропоновано формули для обчислення парного та множинного коефіцієнтів перетину класів розпізнавання в межах методу функціонально-статистичних випробувань і встановлено їх залежність від точнісних характеристик процесу навчання.

Індекс рубрикатора НБУВ: З970.54

Рубрики:

Системи розпізнавання образів

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

Предложена модель составного эталонного описания распознаваемых образов в виде совокупности разнородных компонентов, обобщающая сложное эталонное описание. Для введенной модели разработан метод синтеза и синтезированы алгоритмы распознавания образов, основанные на проверке сложных статистических гипотез. Приведен пример синтеза частного алгоритма распознавания образов.

Рассмотрены интеллектуальные системы распознавания состояний динамических объектов с логическим выводом по аналогии. Предположено, что характеристики динамических объектов случайным образом изменяются во времени и описываются некоторыми нестационарными временными рядами. Применяется спектральное разложение нестационарного случайного процесса в ряд Фурье. В процедуре распознавания состояний объекта в качестве исходных признаков используется совокупность случайных величин, полученных из описания особенностей спектрограмм.

Изложены результаты исследования взаиморасположения образов, описываемых точками пространства линейного квазипорядка смешанного потенциала, необходимые для формирования знаний интеллектуальной системы распознавания.

Індекс рубрикатора НБУВ: З970.54

Рубрики:

Системи розпізнавання образів

Шифр НБУВ: Ж26990 Пошук видання у каталогах НБУВ 

Предложена модель иерархической системы распознавания для автоматизации процесса регистрации контейнерных номеров. Результаты исследований позволяют рекомендовать предложенную методику иерархического распознавания для широкого круга прикладных задач, в которых производится анализ изображений и распознавание символьной информации.