Принципы классификации и типы систем распознавания
Государственно бюджетное образовательное
учреждение среднего профессионального образования
Пермский машиностроительный колледж
Проект по дисциплине информатика
На тему
Распознавание образов
Выполнил студент группы ТМС-17-2 Нетунаев А.В
Проверил преподаватель Гоголева Н.С
2018
Оглавление
Введение. 3
Глава 1. 4
Теория. 4
История развития. 5
Принципы классификации и типы систем распознавания. 7
Основные методы реализации систем распознавания образов. 9
Интенсиональные методы.. 10
Методы, основанные на оценках плотностей распределения значений признаков. 10
Методы, основанные на предположениях о классе решающих функций. 11
Логические методы. 12
Лингвистические (синтаксические или структурные) методы. 12
Экстенсиональные методы.. 12
Нейросетевые методы.. 12
Многослойные нейронные сети. 13
Глава 2. 15
Практическая часть. 15
Заключение. 18
Введение
Достаточно продолжительное время распознавания образов рассматривались только с биологической точки зрения. При этом наблюдениям подверглись лишь качественные характеристики, которые не позволяли описать механизм функционирования.
Введённое Норбертом Винером(Американский учёный, выдающийся математик и философ, основоположник кибернетики и теории искусственного интеллекта) начале XXвека понятие кибернетика (наука об общих закономерностях процессов управления и передачи информации в машинах, живых организмах и обществе), позволила в вопросах распознавания ввести количественные методы. То есть, представить данный процесс математическими методами.
С задачей распознавания образов живые системы, в том числе и человек, сталкиваются постоянно с момента своего появления. В частности, информация, поступающая с органов чувств, обрабатывается мозгом, который в свою очередь сортирует информацию, обеспечивает принятие решения, а далее с помощью электрохимических импульсов передает необходимый сигнал далее, например, органам движения, которые реализуют необходимые действия. Затем происходит изменение окружающей обстановки, и все явления происходят заново.
Цель данной работы – познакомиться с понятиями теории распознавания образов: раскрыть основные определения, выделить основные методы и принципы теории.
Актуальность данной темы заключается в том, что на данный момент распознавание образов – это одно из ведущих направлений кибернетики. Так, в последние годы оно находит всё больше применение: оно упрощает взаимодействие человека с компьютером и создаёт предпосылки для применения различных систем искусственного интеллекта.
Глава 1
Теория
Теория распознавания образов – это раздел кибернетики, развивающий теоретические основы и методы классификации и идентификации предметов, явлений, процессов, сигналов, ситуаций и т.п. объектов, которые характеризуются конечным набором свойств и признаков. Такие задачи решаются довольно часто, например, при переходе или проезде улицы по сигналам светофора. Распознание цвета загоревшейся лампы светофора и знание правил дорожного движения позволяет принять правильное решение о том, можно или нельзя переходить улицу в данный момент.
История развития
К середине 50-х годов Роджер Пенроуз (Английский физик и математик, работающий в различных областях математики, общей теории относительности и квантовой теории) ставит под сомнение нейросетевую модель мозга, указывая на существенную роль в его функционировании квантово-механических эффектов. Отталкиваясь от этого, Фрэнк Розенблатт(Известный американский учёный в области психологии, нейрофизиологии и искусственного интеллекта) разработал модель обучения распознавания зрительных образов, названную персептроном.Персептрон передавал сигналы от фотоэлементов, представляющих собой сенсорное поле, в блоки электромеханических ячеек памяти. Эти ячейки соединялись между собой случайным образом в соответствии с принципами коннективизма.
Рис.1 - Схема Персептрона
В основе персептрона лежит математическая модель восприятия информации мозгом. Разные исследователи по-разному его определяют. В самом общем своем виде (как его описывал Розенблатт) он представляет систему из элементов трех разных типов: сенсоров, ассоциативных элементов и реагирующих элементов.
Далее были придуманы различные обобщения персептрона, и функция нейронов была усложнена: нейроны смогли не только умножать входные числа и сравнивать результат с пороговыми значениями, но и применять по отношению к ним более сложные функции. На рисунке 2 изображено одно из подобных усложнений:
Рис. 2- Схема нейронной сети.
Кроме того, топология нейронной сети могла быть еще более усложненной. Например, такой:
Рис. 3 - Схема нейронной сети Розенблатта.
Нейронные сети, будучи сложным объектом для математического анализа, при грамотном их использовании, позволяли находить весьма простые законы данных. Но это достоинство одновременно является и источником потенциальных ошибок. Трудность для анализа, в общем случае, объясняется только сложной структурой, но, как следствие, практически неисчерпаемыми возможностями для обобщения самых различных закономерностей.
Принципы классификации и типы систем распознавания
Системы распознаванияделятся на: -простые; -сложные.
Простые системы характеризуются единой физической природой признаков.
Например:
1) только масса - для систем распознавания жетонов, монет в автоматах таких, как междугородный телефон, турникет метро;
Сложные системыхарактеризуются физической неоднородностью признаков.
По принципу получения апостериорной информации (Информация, полученная в результате проведённого эксперимента) сложные системы распознавания делятся на:
-одноуровневые;
-многоуровневые.
В одноуровневых системах распознавания информация о признаках распознаваемого объекта (апостериорная информация) формируется непосредственно на основе обработки прямых измерений.
К одноуровневым системам относят, например, читающие автоматические распознающие устройства, автоматы для размена монет, автоматические устройства, предназначенные для отбраковки деталей, в качестве признаков используются некоторые линейные размеры, либо масса и т.п.
В многоуровневых системах распознавания информация о признаках формируется на основе косвенных измерений как результат функционирования вспомогательных распознающих устройств (пример: измерение дальности радиолокатором по времени задержки излученного импульса).
Многоуровневые сложные системы распознавания отличаются от одноуровневых тем, что не все признаки от разнородных физических измерителей используются непосредственно для решения задачи распознавания.
По количеству первоначальной априорной информации (Информация, которая была получена ранее рассматриваемого момента времени) системы распознавания делятся на:
-системы без обучения;
-обучающиеся (ОСР) и самообучающиеся системы (ССР).
Системы без обучения.
Для построения таких систем необходимо располагать полной первоначальной априорной информацией
Обучающиеся системы.
Для обучающихся систем мы должны иметь дело с ситуацией, когда априорной информации не хватает для описания распознаваемых классов на языке признаков. (Возможны случаи, когда информации хватает, однако делать упомянутое описание нецелесообразно или трудно).
(ПРИМЕРЫ)
Самообучающиеся системы.
Определен словарь признаков распознавания. Однако для организации процесса обучения задается некоторый набор правил, в соответствии с которым система сама вырабатывает классификацию.
Примером самообучающейся системы может быть система разделения на классы промышленных предприятий для сравнительного анализа эффективности их функционирования. При этом в качестве правил классификации могут быть указания либо о равенстве объемов выпускаемой продукции, либо о равенстве численности рабочих и т.п.).
По характеру информации о признаках распознавания системы подразделяются на:
-детерминированные (системы, в которых элементы взаимодействуют точно предвидимым образом);
-вероятностные(система, выходы которой случайным образом, а не однозначно зависят от входов);
-логические(система представления, в основе который лежат логические средства-логики высказываний);
-структурные - лингвистические (множество элементов языка, связанных друг с другом теми или иными отношениями, образующее определённое единство и целостность);
-комбинированные(системы, представляющие собой сочетания несущих конструкций различных типов.В комбинированных системах обычно одно конструктивные элементы предназначены для рабоы в основном на изгиб или поперечную силу);
Дата добавления: 2018-05-02; просмотров: 679; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!