Cтраница 1
Распознающая система на основании данных о процессе и внешних воздействий на этот процесс оценивает производственную ситуацию и выдает команды на управление процессом. С проблемой распознавания образов тесно связана проблема создания обучающихся автоматов, которые должны уметь оценивать сложившуюся ситуацию и на основании этого принимать наилучшее решение. Поэтому большая часть задач по обучению автоматов может быть сведена к задачам обучения распознавания образов. [1]
Распознающие системы простейшего вида обычно разрабатываются на принципе сравнения распознаваемого знака с набором идеальных знаков - механических, фотографических и электрических эталонов. В более сложных системах распознавания образов окружающего нас мира, обычно называемых перцептронами, образы различаются по многим статистическим, случайно заданным прототипам ( маскам), действующим одновременно. Для каждого из них автоматически находится коэффициент веса в образовании данного изображения. Последние классифицируются по сумме или произведению коэффициентов веса ряда прототипов. [2]
Термин распознающая система подразумевает исследование временных или пространственнных характеристик входного воздействия и его классификацию ( гл. Таким образом и в этих системах требуется операция решения, однако эта операция существенно отличается от тех, для которых была разработана общая теория. [3]
Работоспособность распознающей системы вначале проверяли на промысловых данных для скважин, пробуренных в Татарии и на Северном Кавказе. [4]
Развитие распознающих систем чрезвычайно важно для прогресса науки, техники, транспорта, связи, медицины и др. Уже сейчас в ряде случаев полная автоматизация не может быть осуществлена лишь из-за того, что надо распознать те или иные ситуации, а это пока могут сделать только люди. Использование распознающих систем резко улучшит возможность общения людей и машин, так как появится возможность управлять машиной голосовыми командами, голосом вводить в нее необходимую информацию, заставлять считывать те данные, которые записаны в виде печатного или рукописного текста. [5]
Для функционирования распознающей системы необходимым условием является наличие сведений о классах совокупностей объектов. Эти сведения задаются заранее или возникают в процессе обучения, который в этом случае предшествует процессу классификации. В процессе обучения на вход распознающей системы последовательно подаются признаки образов каждого класса и, если система при этом сообщает, к какому классу принадлежит образ, то процесс называется обучением с учителем. Если же система не сообщает, к какому классу принадлежит образ, то процесс называется обучением без учителя или самообучением. [6]
С помощью распознающих систем информация может вводиться в систему управления с машинописного текста, графиков или устной речи. В группу распознающих систем входят также автоматические устройства прогнозирования и диагностики, предсказывающие будущее состояние контролируемого объекта и устанавливающие причины, вызывающие отклонения от заданных значений. [7]
При конструировании распознающей системы такого РТК весьма важно выбрать исходные предикаты-признаки так, чтобы они были инвариантны относительно допустимых преобразований. [8]
Для создания автоматических распознающих систем необходимы соответствующие модели процессов распознавания. [9]
Теория и создание распознающих систем находятся в начальной стадии развития. Однако достигнутые результаты делают реальными в ближайшем будущем решение таких важных задач, как узнавание звуков речи, диагностика ряда болезней, определение режимов работы техннч. [10]
Теория и создание распознающих систем находятся в начальной стадии развития. Однако достигнутые результаты делают реальными в ближайшем будущем решение таких важных задач, как узнавание звуков речи, диагностика ряда болезней, определение режимов работы технич. [11]
В практической реализации распознающих систем важную роль играет метод кодирования переменных. [12]
В работе рассматривается вариант распознающей системы персептронного типа, обучение которой сводится к нахождению решения большого числа линейных неравенств. [13]
При этом предполагается, что распознающая система в состоянии определить, обладает ли объект ( множество объектов) признаком у. Такое предположение всегда реализуется, если распознавание осуществляется безошибочно. Так, при сортировке перфокарт всегда можно безошибочно выделить ту из них, которая содержит насечку ( вырез) в некоторой позиции. При формировании же заключения о соответствии вещества требованиям нормативного документа ( по содержанию компонента) распознавание осуществляется не безошибочно, и необходимо сформулировать правило для распознавания и в таких неблагоприятных ситуациях. [14]
Преобразованные объекты классифицируются третьим блоком распознающей системы. [15]