Характеристика штучної нейронної мережі СМАС (Cerebellar Model Articulation Controller – церебральна модель артикуляційного контролера), як базової обчислювальної структури для виконання вказаних операцій обробки відеоінформації у реальному часі.
Аннотация к работе
ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ РАДІОЕЛЕКТРОНІКИ Автореферат дисертації на здобуття наукового ступеня кандидата технічних наукНауковий керівник: доктор технічних наук, професор Руденко Олег Григорович, Харківський національний університет радіоелектроніки, зав. кафедри електронних обчислювальних машин. Офіційні опоненти: доктор технічних наук, професор Кривуля Геннадій Федорович, Харківський національний університет радіоелектроніки, зав. кафедри автоматизації проектування обчислювальної техніки; Захист відбудеться 06.06. 2007 р. о 13 годині на засіданні спеціалізованої вченої ради Д 64.052.01 в Харківському національному університеті радіоелектроніки за адресою: 61166 Харків, просп. З дисертацією можна ознайомитись у бібліотеці Харківського національного університету радіоелектроніки за адресою: 61166 Харків, просп.Не дивлячись на не менш стрімкий розвиток універсальної обчислювальної техніки, її можливостей ще й досі замало для обробки відеоінформації у реальному часі без втрат якості. Дисертаційна робота Бобуха В.А. виконана в рамках держбюджетних тем № 127-2 “Розробка математичних методів, алгоритмів та інструментальних засобів надшвидких перетворень зображень”, № 179-1 “Дослідження і розробка методів, структурних і архітектурних принципів, апаратних і програмних засобів швидких цифрових перетворень зображень”, а також госпдоговірних тем № 04-33 “Розробка та виготовлення системи збору та обробки інформації про стан трубчастих печей виробництва феросплавів, що обертаються”, № 06-30 “Розробка програмного забезпечення автоматичної системи вимірювання рівнів розплавів шлаку та металу в руднотермічній електропечі”, в яких автор брав участь як виконавець, що виконувалися у ХНУРЕ. Мета роботи полягає у розробці моделей колориметричних перетворень та методів удосконалення засобів захисту відеоінформації для підвищення ефективності її обробки у реальному часі. Розглянути штучну нейронну мережу СМАС (Cerebellar Model Articulation Controller - церебральна модель артикуляційного контролера) як базову обчислювальну структуру для виконання вказаних операцій обробки відеоінформації у реальному часі. Розвинути модель кольорової корекції зображень на основі мережі СМАС до отримання можливості проводити кольорову корекцію у реальному для відеоінформації часі.Визначено, що у роботі приділяється увага кольоровій корекції, мікшуванню, стисненню та фільтрації ВІ, формуванню випадкової послідовності для захисту ВІ. Вони для кожної змінної групуються у ступені , кількість яких дорівнює с та однакова для кожного рівня квантування змінної. Область квантування обєднує ті дискретні значення вхідної змінної, на яких базисна функція відповідного нейрона має ненульові значення. Внутрішній шар L2 складається з асоціативних нейронів, які мають звязок з N нейронами вхідного шару - по одному нейрону для кожної змінної. Властивості мережі СМАС, а саме зменшення загальної кількості параметрів, які необхідно зберігати та передавати для апроксимації функції довільного вигляду у порівнянні з табличним заданням функції, обмежена кількість параметрів, що використовуються при обчисленні значення функції та налаштуванні ваг, дозволили запропонувати її як універсальний засіб для виконання кольорової корекції, мікшування, стиснення та фільтрації зображень.Запропоновано модель синтезу функцій присутності при мікшуванні зображень, у основі якої лежить нейронна мережа СМАС, яка навчається на програмній моделі та має вхідні змінні, що змінюються послідовно. Модель характеризується скороченням кількості параметрів, які необхідно задавати, від 2-х до 27-ми разів для фігур та шторок довільної форми у порівнянні з табличними методами при збереженні універсальності останніх. Набула подальшого розвитку модель кольорової корекції зображень, у основі якої лежить нейронна мережа СМАС, яка навчається на програмній моделі та має кількість ступенів кодування, що дорівнює ступеню числа 2. Модель відрізняється можливістю синтезу передатних характеристик коректора у реальному для відеоінформації часі, що залежать від усіх кольорів розкладання вхідного зображення, та характеризується зменшенням кількості параметрів від 15-ти до 726-ти разів у порівнянні з табличними методами при збереженні їх універсальності. Метод дозволяє отримувати швидкість формування послідовності, достатню для шифрування відеопотоку у реальному часі, а також будь-якої інформації, швидкість формування якої перевищує середню частоту випадкового сигналу на виході датчика.