Рассмотрены методы цифровой обработки сигнала (нерекурсивные и рекурсивные цифровые фильтры, преобразование Фурье, преобразование Хартли, преобразование Габора, косинусное преобразование, вейвлет-преобразование, гомоморфная обработка, кодирование с линейным предсказанием). Изложены методы обработки изображений (подавление шума и повышение резкости границ изображений), методы выделения признаков изображений, подходы к распознаванию зрительных образов - метрический (на основе геометрических характеристик, сравнения с эталоном, сопоставления эластичных графов, n-элементный классификатор), байесовский, структурный (скрытые марковские модели), коннекционистский (нейросети Хемминга, CNN, когнитрон, неокогнитрон, MLP, RBFNN, GRNN, SVM, PNN, ME, НМЕ, PDBNN, RMLP, ENN, JNN, TDNN, CPNN, Вольтерри, BSB, SOM, LVQ, ART, HNN, ВАМ, SBM, SBN, SHM, SCM, GM) и гибридный. Приведены генетические алгоритмы, используемые для обучения параметров нейросетей.

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