Материал: 8 неделя науки СВАО - тезисы с содержанием

Проблема распознавания объектов является одной из актуальных проблем информационной техники, и наилучшим образом она решается с помощью оптико-электронных систем.

Интенсивное развитие средств обработки информации значительно повысило роль оптико-электронных систем в составе информационных комплексов, а возросшие требования к расширению функциональных возможностей и повышение технических характеристик таких систем привели к их значительному усложнению.

Создание высокоэффективных быстродействующих оптико-электронных систем с элементами искусственного интеллекта может существенно помочь в решении весьма важной проблемы обработки больших информационных потоков.

Выделение наиболее информативных и полезных признаков при синтезе распознающих систем одна из важных задач теории и практики распознавания. В общем случае задача определения информативных признаков преследует:

- уменьшение до минимума количества необходимых для описания классов признаков без существенного увеличения вероятности ошибки распознавания (уменьшение размерности вектора исходных данных при одновременном нахождении такой системы координат, в которой различные классы хорошо разделены);

- возможности использования относительно простых алгоритмов распознавания;

- уменьшение временности ошибки распознавания.

Рис 1. Результаты обработки изображения при использовании различных фильтров.

Рис 2. Изображения идентичны. Отличий нет.

Рис 3. Результаты сравнения похожих изображений.

Рассматриваемый программный комплекс предназначен для моделирования устройства, работающего с графическими изображениями, и его работа делится на несколько типов:

1. Обработка образа с возможностью вывода координат всех точек внутри контура исследуемого объекта.

2. Обработка окружающего образ фона с возможностью вывода координат всех точек вне контура исследуемого объекта.

3. Оптическая обработка изображения с использованием быстрого преобразования Фурье.

Рис. 7. Поле генерируемых координат чёрных точек.

Также Т

Также формируется библиотека файлов, которые в дальнейшей работе упрощают поиск и подборку параметров объектов, подходящих под описание конкретных контуров и характеристик.

Список литературы:

1. Journal of Pattern Recognition Research (Журнал исследования распознавания образов)

2. Игорь Гайдышев, «Анализ и обработка данных», Специальный справочник. Издательство «Питер», 2001.

3. Башмаков А.И., Башмаков И.А., Интеллектуальные информационные технологии, Изд-во МГТУ им. Н.Э. Баумана, 2005

Применение термоэлементов пельтье для физиотерапевтически процедур локальной криотерапии.

Протасов С.А.

В настоящее время устройства, применяемые для терморегулирования и термостатирования, такие как: кондиционеры, косметологические и медицинские аппараты, охладители для микроэлектроники и радиоаппаратуры а так же техники, призванной работать в условиях вакуума, зачастую работают на базе термоэлементов. Это связано с рядом объективных преимуществ термоэлементов, представленных в докладе. Несмотря на значительный прогресс в области термоэлектрической холодильной техники, на сегодняшний день не решен вопрос создания термо-электрических холодильников (ТЭХ) для нужд физиотерапии, позволяющих с максимальной термодинамической эффективностью реализовать все преимущества этого типа холодильника, в режиме реверса выполняющего функцию нагревателя. Рассмотрены возможности расширения области применения термоэлектрических генераторов холода за счет применения в медицинской аппаратуре. Описаны положительные эффекты криотерапевтических процедур при локальном воздействии на отдельные органы человеческого тела и биологически-активные точки (БАТ).

Проведен анализ потребностей физиотерапевтической медицины в компактных технических аппаратах для локальных криотерапевтических процедур, с целью выявить наиболее важные эксплуатационные качества подобной техники. Проведен обзор существующих медицинских приспособлений для локальных температурных воздействий, на предмет выявления их преимуществ и недостатков. Рассмотрены пути улучшения характеристик криотерапевтической апппаратуры, ее удобства для оперативного применения для воздействия на локтевые и коленные суставы человеческого тела.

Разработка системы автоматической идентификации изображения лица персоны по видео изображению

Куликов А.А.

Система представляет собой комплекс программного обеспечения с реализованным на данный момент функционалом идентификации персоны по видео изображению в реальном времени. АИС состоит из 4-х блоков: блок извлечения изображения; блок предварительной обработки; блок преобразования и выделения ключевых признаков; блок распознавания.

Ниже приведено изначальное представление изображения в виде одномерного вектора и абсолютные значения чисел после обратного преобразования(Рис.2.;Рис.3.).

Рис2. Значения яркостей пикселей Рис.3.Абсолютные значения коэффициентов исходного изображения. По оси X обратного преобразования Фурье

указан номер пиксела в векторе и операции нормализации

пикселей, по оси Y указана яркость.

Для обучения 2-х слойного перцептрона использован пакетный режим обучения и алгоритм обратного распространения с адаптацией. В пакетном режиме (batch mode) обучение по методу обратного распространения корректировка весов проводится после подачи в сеть всех образцов и расчета суммарной ошибки. Для конкретной эпохи функция ошибки определяется как среднеквадратическая ошибка, представленная в составной форме

Результаты экспериментов

Таблица - Зависимость качества обучения от количества правил

Входных нейронов	Нейронов правил	Распознавание (обучающая выборка)				Распознавание (проверочная выборка)
Входных нейронов	Нейронов правил	Ok	Err	?	Ok		Err	?
20	40	70.5	29.5	0.0	60.0		40.0	0.0
20	80	81.5	17.0	1.5	71.0		27.0	2.0
20	120	91.5	7.5	1.0	79.5		19.0	1.5
20	160	97.5	1.5	1.0	86.0		13.0	1.0
100	40	80.0	20.0	0.0	72.5		27.5	0.0
100	80	90.5	9.5	0.0	81.5		18.5	0.0
100	120	97.0	3.0	0.0	89.0		11.0	0.0
100	160	99.5	0.5	0.0	91.5		8.5	0.0
200	40	73.5	26.5	0.0	70.0		30.0	0.0
200	80	92.5	7.5	0.0	86.0		18.0	0.0
200	120	98.5	1.5	0.0	91.0		9.0	0.0
200	160	100.0	0.0	0.0	93.5		6.5	0.0
400	40	76.5	22.0	1.5	67.5		32.0	1.5
400	80	92.0	7.0	1.0	82.5		16.5	1.0
400	120	97	2.5	0.5	97.5		0.5	1.5
400	160	100.0	0.0	0.0	98.5		0.0	1.5

Вывод:

В результате проведенных экспериментальных работ определено, что существуют оптимальные параметры нейронной сети.

Для работы эти параметры составляют:

- оптимальное количество входных нейронов - 400;

- оптимальное количество нейронов правил - 160;

- оптимальное количество термов признаков - 5.

При этих значениях характеристики сети на базе данных следующие:

1) обучающая выборка:

- корректно распознанных – 100%;

- ошибочных классификаций – 0%;

- нераспознанных – 0%.

2) проверочная выборка:

- корректно распознанных – 99%;

- ошибочных классификаций – 0.5%;

- нераспознанных – 0.5%.

Источник: https://files.student-it.ru/previewfile/284476

Смотрите также:



_1966(~1
_Антонян Ю.М., Сексуальные преступления. Чикатило и другие
_РГР № 1 (2)
- Габариты и масса 27
'Образ–Я' и его развитие средствами диалога
"Логистическая технология JIT"
"Особенности правовой системы Российской Федерации" по дисциплине "Теория государства и права"
«Анализ ликвидности и платежеспособности предприятия» (на материалах ОАО Московская кондитерская фабрика «Красный Октябрь»)