Система - распознавание - образ
Cтраница 2
Нейропакет ориентирован на широкий круг задач - от создания прогностических приложений до организации систем распознавания образов и нейросетевой памяти. Значительное количество функций программы ориентировано на специалистов в области исследования нейронных сетей. Следует отметить, что организация внутреннего представления нейросетевых моделей является прозрачной и легко доступной для программного наращивания. В программе BrainMaker предусмотрена система команд для пакетного запуска. Существует интерфейсная программа-функция для включения обученных сетей в программы пользователя. В целом пакет может быть легко интегрирован в программный комплекс целевого использования. [16]
Топологические характеристики используют при описании объектов в качестве признаков для их классификации, в системах распознавания образов и др. Для решения указанных задач топологические характеристики используют совместно с метрическими, а в некоторых случаях - и с динамическими. [17]
 |
Система обработки изображений, предназначенная для распознавания. [18] |
На рис. 3.1 показана блок-схема системы обработки изображений, предназначенной для распознавания простых объектов. Результатом работы системы распознавания образов является описание эаспознанного объекта. [19]
При наличии системы распознавания образов текст записывается в память ПК уже не в виде битовой карты, а в виде кодов, и его можно редактировать обычными текстовыми редакторами. [20]
Наличие столь мощного инструмента может привести к ограничению или полному прекращению автоматического распознавания и обработки некоторых видов информации, представляемой в плоскостном виде. В частности, технологическая информация может полностью обрабатываться в линейно закодированном виде вплоть до момента вывода на печать для получения стандартной технологической документации; графическая же информация будет использоваться человеком только для осуществления контроля. Другими словами, системы распознавания образов и обработки изображений следует рассматривать как системы обработки информации, работающие с информацией любой природы и любых типов. [21]
Классификация обучающей выборки осуществляется на языке системы признаков путем ее разбиения на конечное число подмножеств. В результате обучающая выборка включает различные образы с метками, указывающими на их классы. В таком виде она используется для усовершенствования системы распознавания образов. В этом случае говорят, что система имеет учителя, знающего правильные классы. [22]
Дальнейшее развитие средств ААИ идет по пути совершенствования экспериментальных методов визуализации объектов исследования - применения адсорбционных индикаторов для выделения определенных элементов структуры, применения различных люминесцентных индикаторов для визуализации потоков, применения рентгеновских ионных анализаторов в качестве приставок к электронным микроскопам, позволяющих проводить высокоспецифичный анализ распределения химических элементов в структуре [17] и многих других. Одновременно быстро развиваются методы [18] и средства для оптимизации и машинной обработки изображения. Увеличение объема памяти и быстродействия вычислительных машин, применение систем искусственного интеллекта способствует развитию систем распознавания динамических образов и соответственно расширению возможностей анализа быстропротекающих процессов и построению динамических моделей объектов со сложной пространственной структурой. [23]
В последнее время характерен переход в области информационных систем от однопроцессорных управляющих и вычислительных систем к мультимикропроцессорным. Архитектура мультимикропроцессорных систем образуется соединением в одну систему большого числа микропроцессоров. Такой переход обусловлен необходимостью создания высокопроизводительных микропроцессорных систем с быстродействием в сотни миллионов операций в секунду, например в системах распознавания образов или обработки аналоговых сигналов. Особенно недостаточное быстродействие накладывает существенные ограничения при построении приборов для измерения и управления высоко динамичными процессами. Микропроцессоры в мультимикропроцессорных системах могут быть как универсальными, так и специализированными на выполнение определенных функций. [24]
В последнее время характерен переход в области информационных систем от однопроцессорных управляющих и вычислительных систем к мультимикропроцессорным. Архитектура мультимикропроцессорных систем образуется соединением в одну систему большого числа микропроцессоров. Такой переход обусловлен необходимостью создания высокопроизводительных микропроцессорных систем с быстродействием в сотни миллионов операций в секунду, например в системах распознавания образов или обработки аналоговых сигналов. Особенно недостаточное быстродействие накладывает существенные ограничения при построении приборов для измерения и управления высокодинамичными процессами. Микропроцессоры в мультимикропроцессорных системах могут быть как универсальными, так и специализированными на выполнение определенных функций. [25]
Использование методов стереологии позволяет давать пространственную интерпретацию плоского изображения. Например, прибор Квантимет-720 может определять связность фаз в плоском изображении, размеры структурных элементов изображения, объемное распределение сферических частиц, среднюю кривизну частиц фазы. Прибор оснащен системой распознавания образов, использующей логические схемы, вычисляющие факторы формы. Система распознавания образов позволяет классифицировать элементы фаз по форме, разделять изображения фаз и анализировать каждое в отдельности. В работах [14, 15] приведены также методы использования внешней ЭВМ для стереологи-ческой реконструкции плоских изображений. В последние годы развитие получают машинные методы обработки микроскопических стереоизображений [16] и голограмм. [26]
АСОИз, рассматриваемая как элемент некой метасистемы, перестает быть элементом изолированным, приобретает богатые информационные связи с другими элементами. Показательным примером служит здесь японский проект создания ЭВМ пятого поколения. Согласно этому проекту система распознавания образов и изображений ( наряду с системами машинного перевода, ответов на запросы, понимания специализированного языка и решения прикладных задач) является базовой в обеспечении интеллектуального интерфейса человек - ЭВМ, при этом все упомянутые системы должны работать параллельно и одновременно над единым потоком данных, дополняя друг друга. Внутренняя интеграция затрагивает различные компоненты АСОИз: средства и методы обработки, сами обрабатываемые данные. [27]
Использование методов стереологии позволяет давать пространственную интерпретацию плоского изображения. Например, прибор Квантимет-720 может определять связность фаз в плоском изображении, размеры структурных элементов изображения, объемное распределение сферических частиц, среднюю кривизну частиц фазы. Прибор оснащен системой распознавания образов, использующей логические схемы, вычисляющие факторы формы. Система распознавания образов позволяет классифицировать элементы фаз по форме, разделять изображения фаз и анализировать каждое в отдельности. В работах [14, 15] приведены также методы использования внешней ЭВМ для стереологи-ческой реконструкции плоских изображений. В последние годы развитие получают машинные методы обработки микроскопических стереоизображений [16] и голограмм. [28]
Какова должна быть точность воспроизведения образа. Какова должна быть разница между образом разрешенной к доступу личности и образом потенциального нарушителя. Какова вероятность появления нарушителя, образ которого приближается к образу, хранимому в памяти вычислительной системы. Следовательно, работы по системам распознавания образов в целях широкого применения для защиты информации в вычислительных системах нецелесообразны. Не следует также забывать о том, что стремление человека копировать природу не всегда приносило положительный результат. Достаточно вспомнить историю создания летательных аппаратов с машущими крыльями и близкий нам пример создания мыслящей ЭВМ. [29]
Большое число независимых сведений, регистрируемых голограммой, внешне проявляется в чрезвычайной сложности ее структуры. Под микроскопом такая голограмма производит впечатление хаотического набора пятен всевозможной формы и ориентации в отличие от регулярной структуры голограммы простейшего объекта. Очень важно, что декодирование этой огромной информации на этапе восстановления пр оисхо-дит просто и чрезвычайно быстро. Способность голографии к регистрации, хранению и быстрому преобразованию информации открывает перспективы создания новых систем памяти ЭВМ, оптических систем обработки данных, систем распознавания образов и символов с помощью оптической фильтрации сигналов. [30]
Страницы: 1 2