Автоматизированная система распознавания объектов.

-

Весь текст будет доступен после покупки

Сегодня вряд ли найдется человек, который не слышал бы о великолепной нейронной сети, что научилась писать стихи или о роботах, которые подсматривают за людьми, чтобы чему-то научиться.
С каждым годом человечество достигает все большего прогресса в области развития искусственного интеллекта. С увеличением вычислительных возможностей аппаратно – программных комплексов, в том числе в результате использования графических процессоров и распределенных архитектур вычислительных систем, стало доступным широкое применение машинного обучения на основе различных вычислительных систем, организованных по принципу нейронных сетей (аналогично человеческому мозгу), что привело к значительному повышению качества разрабатываемых технологических решений.
Интеллектуальные информационные системы (ИИС) - одно из быстро прогрессирующих направлений в области искусственного интеллекта. Повышенный интерес специалистов и пользователей к ИИС объясняется тем, что их можно применять и для решения задач, и как средство поддержки принятия решения в различных областях человеческой деятельности. Медицинская диагностика - одна из областей человеческой деятельности, которая нуждается в современных методах и средствах постановки диагноза посредством компьютерных систем. ИИС отличаются от разнообразных компьютерных систем тем, что способны накапливать знания и опыт наиболее квалифицированных специалистов (экспертов) в какой-либо узкой предметной области. При работе с такой системой специалист с обычной квалификацией может использовать эти знания для решения задач самого высокого уровня.

Весь текст будет доступен после покупки

ГЛАВА 1 ИСТОРИЯ РАЗВИТИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ ОБЪЕКТОВ
1.1 История появления технических систем автоматического распознавания и методов их создания
На сегодняшний день человек регулярно сталкивается с задачей распознавания образов и объектов. Информация, которая поступает с органов чувств, обрабатывается мозгом человека, который в свою очередь анализирует информацию, а также обеспечивает принятие решения. Затем с помощью электрохимических импульсов мозг передает необходимый сигнал, например, органам движения, которые выполняют необходимые действия. После этого происходит изменение обстановки, которая окружает человека и эти действия повторяются снова.
В период развития информационных технологий появилась возможность решить ряд задач, которые возникают в процессе жизнедеятельности людей, они способствуют облегчению, ускорению и повышению качества результата действий. Например, работа различных систем жизнеобеспечения, взаимодействие человека с компьютером, появление роботизированных систем.
Задача распознавания объектов длительное время рассматривалась и изучалась человеком как биологический и психологический аспект, причем изучению подвергались лишь качественные характеристики, которые не давали точного описания механизма функционирования. С исследованием рецепторов органов слуха, осязания и зрения было связано получение функциональных зависимостей.
В начале ХХ века появилась новая наука – кибернетика, она описывала общие закономерности процессов управления и передачи информации в машинах, живых организмах и обществе. Наука было основана Норбертом Винером. Кибернетика позволила в вопросе распознавания объектов

выделить количественные методы, которые впоследствии стали называть математическими методами процесса распознавания образов.
В наше время люди занимаются разработкой специализированных программ, которые выполняют функции распознавания объектов. Таким образом, можно сделать вывод о том, что расширяются возможности сложных систем, которые выполняют различные логические, аналитические и информационные задачи.
Качество работы, которую выполняет человек, напрямую зависит от опыта, квалификации, ответственности и других факторов. Автомат в отличие от человека действует однообразно и всегда выдает один и тот же результат, также автомат обеспечивает быстродействие. Человека на автомат для процесса распознавания объектов, заменяют по разным причинам, например:
– для освобождения человека от однообразных действий, для решения других более важных задач;
– повышение качества и скорости принимаемых решений.
В 50-60-е годы ХХ века, исходя, из большого количества работ появилась теория статистических решений. В результате теории статических решений найдены алгоритмы, которые обеспечивают отнесение нового объекта к одному из заданных классов, что являлось началом планомерного научного поиска и практических разработок в системах распознавания образов. После появления науки «кибернетики» стало развиваться новое научное направление, которое было связано с разработкой теоретических, а также практических основ в реализации устройств и систем, которые были предназначены для распознавания объектов и образов. Таким образом, в 70-х годах появилось новое научное направление, которое назвали «Распознавание образов».

1.2 Общие принципы распознавания
Базой для распознавания образов и объектов, и отнесения их к тому или иному классу и виду послужили результаты теории о статических решениях. В дальнейшем статический (математический) аппарат данной теории распознавания
образов разделился за счет применения:

– разделов прикладной математики;
– теории информации;
– методов алгебры логики;
– математического программирования и системотехники.
Под распознаванием образов (явлений, процессов, объектов, сигналов и ситуаций) понимают идентификацию объекта или определения каких-либо его свойств по его изображению или аудиозаписи (акустическое распознавание), а также другим характеристикам.
Образ – это классификационная группировка в системе классификации, объединяющая (выделяющая) определенную группу объектов по некоторому признаку. У каждого физического объекта существуют характерные свойства, которые проявляются в том, что ознакомление с конечным числом явлений из одного и того же множества дает возможность узнавать сколько угодно большое число его представителей. Также образы обладают характерными объективными свойствами, то есть разные исполнители (люди), независимо друг от друга классифицируют один и тот же объект одинаково, хоть и обучались на разных уровнях и материалах.
Способ отнесения элемента к какому-либо виду или образу называется решающим правилом. Существует еще одно важное понятие, метрика – это метод определения расстояния между элементами универсального множества. Чем меньше это расстояние, тем более похожими являются объекты (звуки, символы, явления, образы и др.). Чаще всего элементы метрики задаются в виде набора чисел, а метрика – в виде функции.

Весь текст будет доступен после покупки

1. Мыцких-Коробанов. А.Ю. Алгоритмы машинного обучения /А. Ю. Мыцких-Коробанов // Математика и ее приложения в современной науке и практике: сб. науч. статей VIII Международной научно-практической конференции (Курск, 27-28 апреля 2018 г.) / ред. Е.А. Бойцова. - 2018.- С. 25- 33. – https://elibrary.ru/item.asp?id=35360680
2. Горелик А.Л., Скрипкин В.А. Методы распознавания. Изд.2. – М.: Высшая школа, 2018. – 219 с.
3. Волков Д. Глубоко о глубинном обучении / Д. Волков // Открытые системы. СУБД. - 2018. - № 2. - С. 45 https://www.osp.ru/os/2018/2/13054183/
4. Сорокина, В. В. Искусственный интеллект: современный этап развития и применение в различных областях / В. В. Сорокина, В. А. Сергачева // Аллея науки. - 2019. Т. 2. - № 1. - С. 952-956. - https://elibrary.ru/item.asp?id=37041608
5. Малеван К.М. Системы распознавания образов [Электронный ресурс] / А.В. Калачев, К.М. Малеван. – «Горизонты образования. Научно-образовательный журнал АлтГТУ, выпуск 21» – Барнаул: Изд-во АлтГТУ, 2019 г.
6. Новикова Н.С. Структурное распознавание образов, Воронеж: Издательскополиграфический центр Воронежского государственного университета, 2018. – 71 с.
7. Хайкин С. Нейронные сети: полный курс, 2-е издание. – М.: Вильямс, 2018. – 1103 с.
8. Головко В.А. Нейроинтеллект: Теория и применения. Книга 1. Организация и обучение нейронных сетей с прямыми и обратными связями – Брест: БПИ, 2018. – 260 с.

Весь текст будет доступен после покупки