Задача - распознавание - образ
Cтраница 1
Задача распознавания образов приводит к необходимости точного описания характеризующих этот образ признаков. Однако далеко не во всех случаях такого рода описание можно дать без преодоления весьма значительных трудностей. Поэтому на практике идут обычно по пути построения алгоритмов, позволяющих осуществлять так называемое обучение распознаванию образов. Смысл указанного обучения состоит в том, чтобы получить приближенное описание ( или, как принято обычно говорить, аппроксимацию) образа в результате указания некоторого множества ( вообще говоря, не всех. [1]
Задача распознавания образов представляет собой задачу трансляции плоскостного языка в линейный, оперирующий последовательностями символов. Общая теория плоскостных языков находится, однако, на самом начальном этапе развития. [2]
 |
Схема разделения гиперплоскости на классы. [3] |
Задача распознавания образов состоит в отнесении предъявленных объектов к одному из классов по некоторым признакам, которые определяют данные классы. Одним из таких методов распознавания образов является последовательная диагностическая процедура. Данный метод основан на рассмотрении упорядоченных рядов признаков в сравниваемых группах. [4]
Задачи распознавания образов имеют много общего и с исследованиями по искусственному интеллекту. Их объединяют, например, когнитивные - процедуры различного уровня и вида, такие как поиск, идентификация, классификация, обучение и другие. Однако решение проблемы с точки зрения распознавания образов отличается от решения той же проблемы с точки зрения символьной обработки. [5]
Задача распознавания образов привела к мысли о самообучающихся системах развертки, где сами параметры обратной связи не заданы заранее, а вырабатываются а основе собственного опыта системы. [6]
Задача распознавания образов состоит в отнесении предъявляемых объектов к одному из классов, определяемых некоторыми признаками. [7]
Задача распознавания образов состоит в отнесении предъявляемых объектов к одному из классов по некоторым признакам, принимающим вполне определенное значение для каждого класса. Алгоритм распознавания образов состоит из обучения и распознавания. В процессе обучения показываются примеры объектов и сообщается точная информация о том, к какому классу они принадлежат. В процессе распознавания на основе принятого в данной задаче алгоритма ( адаптационной модели) и полученной ранее информации решается вопрос о том, к какому классу относятся новые объекты. [8]
Задача распознавания образов возникает также при контроле продукции, когда по данным кратковременных испытаний требуется определить степень годности изделия, а также во многих других технических и научных-г. [9]
Задачу распознавания образов можно понимать как сопоставление некоторой реализации, относительно которой неизвестно к какому образу она относится, с эталонами. В этом случае реализация сравнивается с эталоном каждого образа и относится к тому или иному образу на основе заранее выбранного критерия соответствия или критерия подобия. [10]
Задачами распознавания образов называются задачи определения типа объекта или процесса по качественным или количественным признакам, его описывающим. Мояшо считать, что всякая процедура, решающая такую задачу, реализует некоторую функцию, определенную на множестве параметров, характеризующих объект, и принимающую конечное ( обычно небольшое) число значений. Каждое значение этой функции соответствует одному из возможных типов объекта или процесса. [11]
Некоторые задачи распознавания образов могут быть сформулированы в терминах задачи оптимального доопределения частичных монотонных булевых функций. При этом, величина области неопределенности полученных доопределений соответствует области не единственного решения задачи и может быть использована как критерий качества работы алгоритма распознавания. В связи с этим, интерес представляет следующая задача. Вообще говоря, функции из / ( /) являются частичными. [12]
Многие задачи распознавания образов ( зрительных, речевых), выполнения функциональных преобразований при обработке сигналов, управления, прогнозирования, идентификации сложных систем, сводятся к следующей математической постановке. Необходимо построить такое отображение X - У, чтобы на каждый возможный входной сигнал X формировался правильный выходной сигнал Y. [13]
Постановку задачи распознавания образов будем называть детерминистской или вероятностной в зависимости от того, пересекаются образы между собой или нет. [14]
В задаче распознавания образов функционал (7.1) для каждого фиксированного а определяет вероятность некоторого события ( неправильной классификации вектора, поступающего для распознавания), а эмпирический функционал (7.3) - частоту этого события, вычисленную по обучающей последовательности. Условия применимости метода минимизации эмпирического риска здесь связаны с существованием равномерной сходимости частот появления событий к их вероятностям по классу событий. [15]
Страницы: 1 2 3 4