Распознающая система

Cтраница 2

Одним из самых важных свойств распознающих систем является свойство обобщения. Данные, полученные из небольшого числа представителей множества входных изображений ( сжатые данные), должны экстраполироваться на все это множество как при обучении, так и при распознавании. В принципе, сжатые данные должны представлять собой только ту часть исходного описания, которая наиболее полезна для надежности распознавания. [16]

Принцип оптико-электронного кодирования деталей на подвесном конвейере. [17]

Это достигается посредством обучения и адаптации распознающей системы в процессе производственной эксплуатации конвейера. [18]

Клинические проявления мозговых заболеваний приоткрывают функциональную структуру распознающих систем, в особенности это относится к гностическим расстройствам при локальных поражениях коры головного мозга. Могут быть выделены, по крайней мере, два общих следствия этих поражений. Локальное поражение может также вызвать переход распознающей системы на более низкий уровень, выявить механизмы, расположенные ниже по эволюционной лестнице, и характеризующиеся упрощенными программами и соответственно меньшими возможностями. [19]

Дальнейшее развитие РУ идет по пути изучения и моделирования распознающих систем человека и животных с целью поиска простых универс. [20]

Элементы этой системы могут оказаться полезным прототипом при создании искусственных акустических и электронноакустических распознающих систем. [21]

Для ориентации без специальной обработки используются универсальные бункерные устройства с распознающей системой, которая может определить форму, положение и ориентацию детали, а затем либо отвернуть неверно ориентированные детали, либо нацелить активно ориентирующую систему на правильную ориентацию детали. Такие системы более гибки, хотя и дороги, и могут использоваться для быстрой загрузки различных магазинов разнообразными деталями, при этом для удовлетворения требований роботосистемы необходим только один питатель, в противном случае потребовалось бы столько различных питателей, сколько используется деталей. В специально программируемых питателях инструменты отбираются автоматически компьютером. [22]

Общая схема распознающей системы. [23]

Преобразователь переводит информацию, поступающую из реального мира, в пространство образов распознающей системы. [24]

Воспринятый образ сравнивается с набором некоторых эталонов, хранящихся в запоминающем устройстве распознающей системы, для определения сходства распознаваемого образа с одним или несколькими эталонами. Степень сходства имеет количественную оценку, например, по коэффициенту взаимной корреляции воспринятого образа и эталона. Каждый эталон характеризует класс образов, поэтому задачу распознавания можно представлять так же, как задачу классификации - воспринятый образ должен быть отнесен к одному из классов. [25]

Для обучения принципиально важно существование заранее определенной системы классификации или заранее определенного образца классифицирующего автомата, деятельность к-рого должна имитировать распознающая система. [26]

Чтобы в полном объеме оценить все значение этой проблемы, достаточно сказать, что создание искусственного интеллекта - это, по-видимому, построение распознающих систем, приближающихся по своим возможностям к возможностям человека в решении задач распознавания. [27]

Организм человека - открытая для окружающей среды биосистема, важнейшей стратегической задачей которой является сохранение гомеостаза, что связано с нормальным функциональным состоянием его распознающих систем. В отношении биологических факторов такой системой служит система иммунитета. [28]

Изучались больные с локальными поражениями коры головного мозга; в некоторых случаях для сравнения были исследованы здоровые испытуемые, а также психические больные, страдающие галлюцинациями и, наконец, больные паркинсонизмом, лечившиеся с помощью долгосрочных интрацеребральных электродов, в качестве тестов были выбраны изображения или слуховые стимулы, ранее предложенные для испытания технических или математических моделей распознающих автоматов и позволяющие выделить какую-либо одну функцию или структурный узел распознающей системы. [29]

Такие распознающие системы принадлежат к категории линейных систем, поскольку масс-спектрометрические пики считаются в данном случае не зависящими друг от друга. Показано, что для полученных таким образом межгрупповых перекрестных членов существует большая вероятность корреляции с теми молекулярными признаками, которые можно положить в основу разбиения на категории. Это предположение было реализовано в виде классификаторов образов на пороговых логических элементах, проверявшихся на нескольких выборках масс-спектрометрических данных. Как оказалось, перекрестные члены расширяют возможности систем классификации образов либо ускоряя сходимость, либо повышая прогнозирующую способность этих систем, либо же обеспечивая и то и другое одновременно. [30]

Страницы: 1 2 3 4