Разработка системы распознавания эмоций человека с внедрением нейронных сетей

ВВЕДЕНИЕ………………………….………………………………………………….6 1 Главные термины в области нейронных сетей и интеллектуальных искусственных систем…………………………………………………….……………………………11
1.1 Сущность, содержание и основные аспекты нейронных сетей….……..….…...11
1.2 Этапы становления и развития нейронных сетей……………………..…….......12
1.3 Понятие нейрон (искусственный и биологический вид)…………………...…..15
1.4 Классифицирование и систематизация искусственно-созданных интеллектуальных систем …………………………………………………………....19
1.5 Описание процесса профилирования в системах с интеллектуальным анализом данных…………………………………………………………………………………22
1.6 Искусственно созданные интеллектуальные системы для распознания эмоций………………………………………………………………………………….30
2 Информационные модели нейронных сетей и алгоритмы…………………….….35
2.1 Однонаправленные многослойные сети…………………………………………35
2.2 Алгоритмы по распознаванию эмоций нейросетями …………………………..37
2.3 Источник данных для обучения нейронной сети………...……………..…...….38
2.4 Оптимизация структуры нейронной сети и данных для обучения……………..40
3 Алгоритм для распознавания эмоций на изображениях, его описание и содержание…………………………………………………………………………….43
3.1 Описание реализованной программы…………………………………………....45
3.2 Особенности функционирования программы и примеры работы………………50
ЗАКЛЮЧЕНИЕ………………………………………………………………………..56
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ………………………………....58
ПРИЛОЖЕНИЕ А…………………………………………………………………….64

Весь текст будет доступен после покупки

Область компьютерного зрения является важной отраслью искусственного интеллекта. Она дает возможность пользователям компьютеров вынимать нужную информацию из разных типов данных: видеофайлы, текстовые файлы и графические файлы, для последующего анализирования. На сегодняшний день есть много программ, где используется компьютерное зрение. К этим приложениям относится распознание лиц людей на фото или видео, автономные транспортные средства, медицинские программы по диагностике и т. д. В данной работе будет реализована программа распознавания человеческих эмоций.
Эмоция представляет из себя психологическое состояние, выражающее взаимоотношения людей к окружающей среде и другим людям. Эмоция относится к важнейшему аспекту в жизни людей и межчеловеческом общении. Они могут выражаться разным образом, например поведенческими реакциями человека, голосовыми импульсами, различными реакциями (частота пульс, давление, дыхание). Но стоит признать, что максимальной выразительностью владеет человеческое лицо. В этой работе определять эмоциональные реакции людей будем по их выражению лиц.

Весь текст будет доступен после покупки

1 Главные термины в области нейронных сетей и интеллектуальных искусственных систем

1.1 Сущность, содержание и основные аспекты нейронных сетей

Рассмотрим такое определение как искусственная нейросеть, она представляет из себя особенный вид нейронной сети, работающий по примеру функционирования головного мозга человека. Если известные нам, традиционные алгоритмы, решают определенные проблемы линейно, то нейросети могут обрабатывать и решать задачи нелинейно. Они предрасположены к генерации и распознанию паттернов в данных. Эта особенность сделала их весьма востребованными в таких областях, как распознавание голоса, графических файловых и текстовых документов.
Искусственная нейронная сеть реализована с помощью весомого числа нейронов. Они взаимосвязаны между собой и организуются в общие слои. Число нейронов в каждом слое может отличаться. Их количество будет зависеть от решаемой задачи, которую необходимо выполнить.
Нейросеть может обучаться по набору данные-обучения. Процесс обучения реализован таким образом, что нейронная сеть приспосабливается к задаче, используя определенные алгоритмы обучения, к примеру: обратное распространение ошибок, стохастическое модуляция вероятности и т.д. На этапе окончания обучения нейросеть может использоваться для предсказания поведения или класса в новых данных.
Искусственная нейросеть может внедряться для решения разных задач, таких как распознавание графических изображений, отображение голосовых файлов, естественный язык и многое другое. Также они могут использоваться в слиянии с другими типами машинного обучения, такие как регрессия, классификация, кластеризация и т.д., для того чтобы иметь более высокую точность и эффективность в решении задач.

1.2 Этапы становления и развития нейронных сетей

Этапы становления нейронных сетей следует условно классифицировать на две значимые стадии: первая стадия – фаза базового развития искусственных нейронных сетей, а вторая стадия – фаза их глубокого обучения.
Первый этап берет свое начало в 40-х годах ХХ века и длился до 80-х годов ХХ века, а второй этап датируется примерно с начала 2000-х годов и длится по сегодняшний день. Как учебное направление теория нейронных сетей в полной мере была изложена в трудах Уоррена Мак-Каллока и Уолтера Питтса. Там указывалась и подтверждалась, такая теория, что любые функции (логические и арифметические) можно воплотить с помощью самой простой, базовой нейронной сети.
Труды Дональда Хэбба являются весомыми в данной области, его можно считать первопроходцем в мир нейронных сетей. В 1950 году этот ученый реализовал закон, который дал стал старт для обучения нейронных сетей. Предположение Хэбба заключалось в том, что обучение, состоит в трансформации силы связей синоптического типа. Данная формулировка Хэбба является, характерным примером самообучаемости, в котором проверяемся система учиться решать нужную задачу без посторонних вмешательств, со стороны исследователя.

Весь текст будет доступен после покупки

1. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько. - М.: Ленанд, 2019. - 226 c.
2. Розенблат Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. Мир, 2004, 248 с.
3. Комашинский, В.И. Нейронные сети и их применение в системах управления и связи / В.И. Комашинский, Д.А. Смирнов. - М.: ГЛТ, 2003. - 94 c.
4. Барский, А.Б. Логические нейронные сети: Учебное пособие / А.Б. Барский. - М.: Бином. Лаборатория знаний, 2007. - 352 c
5. Каллан, Р. Нейронные сети: Краткий справочник / Р. Каллан. - М.:Вильямс И.Д., 2017. - 288 c.
6. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. / А.А. Усков, А.В. Кузьмин. - М.: Горячая линия -Телеком , 2004. - 143 c.
7. Шевелёв И.А.: Нейроны-детекторы зрительной коры. - М.: Наука, 2010. – 182 с.
8. Величко В. В., Субботин Е. А., Шувалов В. П., Ярославцев А. Ф. Телекоммуникационные системы и сети. Том 3. Мультисервисные сети. Учебное пособие; Горячая Линия - Телеком - , 2005. - 592 c.
9. Галушкин А. И. Нейронные сети. Основы теории; Горячая Линия - Телеком - , 2012. - 496 c.
10. Искусственный интеллект и принятие решений: Когнитивные исследования. Эволюционные вычисления. Интеллектуальные системы и технологии. Многокритериальный анализ решений / Под ред. С.В. Емельянова. - М.: Ленанд, 2012. - 128 c.

Весь текст будет доступен после покупки