Распознающая система
Cтраница 3
В зависимости от назначения распознающего устройства может осуществляться либо индикация распознающего образа, либо приведение в действие соответствующего исполнительного устройства. Поэтому часто распознающие системы называют пер-цептронами. [31]
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. [32]
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. [33]
Система распознавания образов должна в общем случае обследовать эталонную выборку данных, осуществлять предварительную обработку и необходимые преобразования последних и затем правильно классифицировать образ. Общая схема распознающей системы приведена на рис. 1.1. Она состоит из трех взаимосвязанных блоков: преобразователя, препроцессора ( устройства для выделения признаков) и классификатора. Хотя при любой реализации распознающей системы эти три блока в сильной степени взаимозависимы, их полезно рассматривать отдельно. [34]
Книга состоит из семи глав. В первой изложены общие основы распознающих систем с краткой характеристикой их составных частей. Во второй даны основные математические принципы, используемые в бинарных классификаторах образов, описывается способ обучения при построении последних и рассматриваются критерии оценки их полезности. [35]
Если выявленные закономерности связывают только два признака каждая, то они представляют собой не что иное, как простые суждения, на которых построена силлогистика Аристотеля. Таким образом, силлогистика оказывается исторически первой формальной распознающей системой. В ней рассматриваются простейшие умозаключения: в классической фигуре силлогизма всего три простых суждения, два из которых играют роль посылок, а одно - логического следствия. [36]
 |
Структурная схема системы распознавания образов. [37] |
Широко применяемый непараметрический ( адаптивный) метод распознавания базируется на итеративной процедуре оптимизации параметров распознавания. На рис. 6.13 приведена структурная схема распознающей системы. [38]
Возрастание прогнозирующей способности любого классификатора происходит с увеличением объема обучающей выборки. Преобразованные объекты классифицируются в этом блоке распознающей системы с использованием параметрических или непараметрических методов, что определяется характером исследуемой системы. [39]
Кроме того он обычно дополняется своей противоположностью - структурными методами ( микроподходом, анализом строения систем и пр. Так, например, теория перцептронов как теория моделей распознающих систем живого являет собой бесспорный пример функционального подхода. Этот подход реализуется прежде всего на основе использования вероятностно-статистических методов. Розенбла-та, основная идея ее автора сводится к замене логических схем в задачах нейрофизиологии системами, действующими на основе некоторых статистических принципов. Это и составляет содержание книги, в которой автор устанавливает основные принципы построения таких систем, названных им перцептронами ( С. М. Осовец, 1965, стр. Опыт живых систем, воплощенный в устройствах этого типа, пока еще очень невелик. Но вместе с тем работы по созданию опознающих автоматов в перспективе, по-видимому, приведут к учету структурной стороны своего исходного образца - мозга; со временем наверняка удастся использовать опыт природы, наследство биоэволюции, воплотив в автомате, скажем, определенные морфологические черты естественной нейронной организации, коль скоро с ними связана высокая эффективность человеческих процессов восприятия, узнавания и классификации. [40]
Если такие предикаты построены, то аксиомы классов вида (7.6) будут инвариантны, причем они обеспечат максимальную точность ( экстраполирующую силу) описания классов при обучении по выборке минимального объема, содержащей по одному представителю из каждого класса. Заметим, что для достижения такой предельной точности в распознающих системах типа перцептрон [44, 133] может потребоваться обучающая выборка неограниченного объекта. [41]
В существующих методах экспертной оценки качества человек ( эксперт) в своем сознании формирует образы явлений внешнего мира, классифицирует и группирует их по ряду признаков. Однако, по мнению авторов этого метода, человеческий мозг нельзя признать наиболее надежной распознающей системой, так как способность создавать образ находится под влиянием индивидуальности человека. [42]
Число возможных ситуаций каждого класса весьма велико, их запоминание практически неосуществимо, и распознающая система должна приобрести способность классификации на основании информации о разделении на классы огранич. [43]
Число возможных ситуаций каждого класса весьма велико, их запоминание практически неосуществимо, и распознающая система должна приобрести способность классификации на основании информации о разделении на классы ограпич. [44]
Оценки ИП используются для того, чтобы обеспечить требуемую эффективность ( например, вероятность правильного распознавания) распознающей системы при минимальном наборе признаков. И П есть смысл оценивать для данной конкретной задачи распознавания, когда заданы, например, число распознаваемых классов, их априорные вероятности, а также совместные условия распределения вероятностей признаков при заданном классе. В таком случае наиболее целесообразно измерять И П средней вероятностью правильного решения, достигаемой при оптимальной решающей функции, использующей данные признаки. Критерий И П используется также для выбора оптимального поднабора признаков из заданного набора. Эта задача является весьма сложной, поскольку в общем случае, когда признаки являются статистически взаимозависимыми, информативность к. Для каждого из испытываемых поднаборов необходимо найти оптимальную решающую функцию и оценить полученную вероятность правильного распознавания. [45]
Страницы: 1 2 3 4