Випробовано двошаровий персептрон на свою ідентифікацію для класифікації різноманітно спотворених об'єктів. Двошаровий персептрон моделюється, навчається та тестується у середовищі MATLAB. Збільшивши число проходів до 280 для навчання на масштабованих зображеннях з поворотом і зсувом та з піксельним спотворенням, продуктивність персептрона покращується як для виключно масштабованих зображень з поворотом і зсувом, так і для масштабованих зображень з поворотом і зсувом та з піксельними спотвореннями, де зображення з піксельними спотвореннями класифікуються так чи інакше відмінно. Зрештою, оскільки неокогнітрон за тієї самої конфігурації MATLAB й операційної системи є у багато разів повільнішим, то стверджується, що двошаровий персептрон здатний замінити неокогнітрон для класифікації різноманітно спотворених об'єктів, потребуючи незвично довшого процесу навчання та специфічного відношення для типів спотворення, що залежить від типу об'єкта.

  Повний текст PDF - 550.347 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"