Розробка методів і алгоритмів побудови гіперповерхонь за допомогою нейронних мереж. Апроксимаційні заходи розпізнавання образів. Геометричне моделювання нейронних мереж. Розгляд принципів обробки параметрів функціональних залежностей на зображені.
Аннотация к работе
Міністерство освіти і науки України Автореферат дисертації на здобуття наукового ступеня кандидата технічних наукКінцева мета геометричного моделювання - геометрична модель, в сучасній геометрії може відповідати не тільки геометричним обєктам, вона також може відповідати процесам і явищам, що відбуваються в економіці, суспільстві, природі і т. д., тобто може торкатися не тільки геометричної форми. Геометричне моделювання з використанням сучасної обчислювальної техніки створює основу для автоматизації процесу моделювання. Мета роботи - розробка методики автоматизованої побудови гіперповерхонь за допомогою нейронних мереж (далі НМ), розробка системи розпізнавання і навчання розпізнаванню образів, включаючи попереднє опрацювання зображень. Для розвязання поставлених у роботі задач залучалися методи, засновані на сучасних досягненнях теорії нейронних мереж, методів оптимізації, теорії графів і мереж, теорії кривих ліній і поверхонь, диференціальної геометрії, компютерної графіки, опрацювання зображень, математичного аналізу і методів диференціального й інтегрального числень. Розроблено оригінальну методику розвязання деяких задач розпізнавання і навчання розпізнаванню зорових образів за допомогою нейронних мереж, що включає попереднє опрацювання зображення з метою одержання вхідних векторів нейронної мережі;Проведені дослідження показали високу ефективність використання НМ для задач геометричного моделювання та значну роль прикладної геометрії при розвязанні задач в різноманітних галузях діяльності людини: 1.
Вывод
Проведені дослідження показали високу ефективність використання НМ для задач геометричного моделювання та значну роль прикладної геометрії при розвязанні задач в різноманітних галузях діяльності людини: 1. В роботі вперше розроблено методику опису та розвязання задачі геометричного моделювання в просторах багатьох вимірів з використанням НМ, яка є основою для методів автоматизації процесу побудови геометричних моделей в просторах довільної розмірності;
2. Зроблено аналіз поведінки НМ при додаванні нових параметрів та при апроксимації поверхонь з осцилюючими точками. На основі цього аналізу запропоновано методи виключення припинення процесу оптимізації параметрів нейронної мережі, та методи зміни довжини кроку оптимізації при апроксимації поверхонь з осцилюючими точками;
3. Розроблено компютерну систему NEUREX для автоматизації процесу геометричного моделювання, яка включає інтерпретатор спеціалізованої мови, розробленої для опису задач геометричного моделювання на основі довільно поданих вихідних даних;
4. Задача навчання розпізнаванню образів поставлена як задача апроксимації в багатовимірних просторах, що дозволило відокремити задачу навчання розпізнаванню від задачі попередньої обробки зображень;
5. Розроблено кілька методів попередньої обробки зображень перед розпізнаванням, не чуттєвих до певних спотворень вхідного зображення, які дозволяють отримати вхідні дані для апроксимації та суттєво зменшити розмірність задачі апроксимації за рахунок розгляду тільки значущих частин зображення;
6. Розроблено компютерну систему трасування контурів, яка використовує один з запропонованих в роботі методів попередньої обробки зображень, та дозволяє отримувати векторні образи растрових зображень різноманітної природи;
7. Розроблено програму розпізнавання з застосуванням НМ, що демонструє роботу запропонованої методики навчання розпізнаванню та дозволяє отримувати навчену нейронну мережу, яка здатна до розпізнавання;
8. Результати досліджень впроваджені в Дніпропетровському заводі “Прогрес” для отримання компютерних моделей викройок оббивки мяких меблів за наявними викройками, знятими цифровою камерою, в ТОВ “Науково-виробнича компанія Східна Україна” для моделювання процесу утворення осаду при фільтруванні, та в Центральному військовому госпіталі прикордонних військ України для побудови геометричної моделі залежності діагнозу від симптомокомплексу при класифікації отруєнь за симптоматичним ознакам, що підтверджується довідками про впровадження.
Список литературы
1. Курцев О.В. Применение нейросетей при распознавании образов. Прикладная геометрия и инженерная графика: Труды / ТГАТА - Вып. 4 - Мелитополь, 1999 г. алгоритм апроксимаційний геометричний
2. Курцев О.В. Розпізнавання зображення шахової сітки. / Прикладна геометрія та інженерна графіка: Міжвідомчий науково-технічний збірник. Випуск 67. - К.: КНУБА, 2000.
3. Курцев О.В. Попередня обробка растру перед розпізнаванням. / Прикладна геометрія та інженерна графіка: Міжвідомчий науково-технічний збірник. Випуск 68. - К.: КНУБА, 2000.
4. Курцев О.В. Побудова параметричних кривих з раціональним сигмоїдом у якості базисної функції і задоволенням умови рівності кривини в точці стику. / Прикладна геометрія та інженерна графіка: Міжвідомчий науково-технічний збірник. Випуск 69. - К.: КНУБА, 2001.
5. Курцев О.В. Відновлення функціональної залежності за допомогою нейронних мереж / Сучасні проблеми геометричного моделювання: Зб. праць міжнародної науково - практичної конференції / Харківська державна академія технології та організації харчування - Харків, 2001 - 213 с.
6. Курцев О.В. Постановка задачі навчання розпізнаванню образів як задачі апроксимації. / Прикладна геометрія та інженерна графіка: Міжвідомчий науково-технічний збірник. Випуск 71. - К.: КНУБА, 2001.