Адаптивное управление обработкой информации тепловых полей

Адаптивное управление обработкой информации тепловых полей

Автор: Анцыферов, Сергей Сергеевич

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2001

Место защиты: Москва

Количество страниц: 380 с. ил

Артикул: 2278331

Автор: Анцыферов, Сергей Сергеевич

Стоимость: 250 руб.

СОДЕРЖАНИЕ
Введение.
1. Системный анализ принципов адаптивного управления обработкой информации пространственновременных двумерных полей.
1.1. Принципы адаптивного управления в информационнораспознающих системах.
1.1.1. Сведения из математической теории адаптивного управления
1.1.2. Аналитический обзор существующих принципов адаптивного управления обработкой информации двумерных полей.
1.2. Адаптивное управление обработкой информации пространственновременных тепловых полей. Постановка научной задачи.
1.3. Обоснование общего принципа адаптивного управления обработкой информации тепловых полей. Конкретизация научной задачи
1.4. Выводы по разделу.
2. Разработка принципов и алгоритмов управления выделением идентификационной информации реализаций тепловых полей.
2.1. Разработка модели структуры теплового изображения.
2.2. Описание элементарных компонент тепловых изображений
2.3. Разработка алгоритмов управления выделением элементарных компонент тепловых изображений.
2.4. Разработка алгоритма управления оценкой значений идентификационных параметров тепловых изображений.
2.5. Разработка алгоритма управления построением границ зон информативности
2.6. Выводы по разделу.
3. Разработка принципов и алгоритмов структурностохастического управления обработкой информации в адаптивных информационнораспознающих системах
3.1. Вспомогательные сведения из теории вероятности
3.2. Разработка принципов стохастического управления структурой векторов сообщений.
3.2.1. Обоснование критерия оптимизации управления.
3.2.2. Управление формированием стохастических образов структуры векторов сообщений.
3.3. Обоснование дополнительного критерия оптимизации принципов стохастического управления.
3.4. Разработка принципов стохастического управления мерами информативности векторов сообщений.
3.5. Разработка принципов стохастического управления динамикой векторов сообщений.
3.6. Выводы по разделу.
4. Системный анализ эффективности принципов и алгоритмов структурностохастического управления обработкой информации полей
4.1. Постановка задачи анализа.
4.2. Анализ сходимости процессов адаптации.
4.3. Анализ достоверности принципов структурностохастического управления.
4.3.1. В зависимости от интенсивности потоков сообщений и степени перекрытия трубок
4.3.2. В зависимости от погрешности адаптации
4.4. Анализ устойчивости принципов структурностохастического управления.
4.5. Выводы по разделу.
5. Практическая реализация и применение принципов адаптивного
структурностохастического управления
5.1. Разработка обобщенной структурной схемы адаптивных инфор
мациониораспознающих систем.
5.2. Анализ возможных путей практической реализации адагггивных информационнораспознаюших систем.
5.3. Аппаратнопрограммный принцип реализации адаптивных информационнораспознаощих систем
5.4. Практическое применение адаптивных информационнораспознающих систем.
5.5. Выводы по разделу
Заключение
Литература


Таким образом, не умаляя указанных достижений в методе персептронного моделирования, тем не менее приходится заметить, что данный метод связан прежде всего с попыткой конструирования интеллекта всего лишь на сенсорном уровне, а не на уровне понимания, что требуется при решении задач приобретения новых знаний о состояниях многофункциональных объектов, получаемых посредством обработки информации сложных по своей структуре реализации пространственновременных двумерных полей. Кроме того, алгоритм адаптации персептрона может быть реализован преимущественно в режиме обучения с учителем, что естественно требует априорной информации об истинных состояниях исследуемых объектов, которая как раз отсутствует и должна быть получена в результате обработки информации. И наконец, сходимость алгоритма адаптации возможна только в случаях линейной разделимости диагностических классов, чего трудно ожидать, как уже было отмечено, при решении указанных проблем. Однако, до настоящего времени область практической применимости сшпаксического метода ограничивается описанием лишь простых сцен, главным образом простых графических изображений. Проблема же разработки алгоритмов формирования синтаксического описания сложных по структуре изображений остается на сегодня еще нерешенной. Кроме того, до сих пор не найдена и приспособленная для аффективной обработки на ЭВМ форма предст авления как самих непрошводных элементов, так и связей между ними. Особое место в рамках рассматриваемого принципа занимает класс экспертных систем ЭС Ч, Н5, то есть вычислительных систем, использующих знания специалистов в конкретной, узкоспециализированной предметной области и способных в пределах этой области принимать решения на уровне экспертапрофессионала. Наряду с такими общими для систем искусственного интеллекта модулями как база знаний и схема рассуждения, называемая системой логического вывода, ЭС имеют в своем составе и существенные отличия модули отображения и пояснения решений, а также приобретения знаний. С помощью модуля отображения и объяснения решений происходит отображение промежуточных и окончательных решений и объяснение оператору действий системы путем ответа на вопросы типа как достигнуто решение и почему отброшены другие альтернативы. С точки зрения построения систем обработки медицинской диагностической информации, в которых постановка окончательного диагноза остается за врачом, это существенный и пожалуй необходимый момент, отличающий ЭС от других систем искусственного интеллекта, где важно решение и не столь важен процесс его объяснения. Функция модуля приобретения знаний состоит в поддержке процесса извлечения знаний о соответствующей узкоспециализированной предметной области, то есть процесса передачи опыта по решению некоторого класса задач от определенного источника знаний в программную систему. Этото как раз и является наиболее узким местом при проектировании ЭС и, в общемто противоречащим самой постановке задачи данной работы нриобрегении знаний. К таковым, как правило, относят несоответствие способа Формулирования знаний экспертом способу представления знаний в ЭС, невозможность передать все имеющиеся знания, ошибки при передаче знаний и другое. Поэтому считают, что радикальным решением было бы создание некоторой программы индуктивного или правдоподобного вывода, которая могла бы строить базу знаний, опираясь на тс же источники, что и эксперт, то есть на прошлый опыт и специальную литературу. Однако, решение задачи индуктивного вывода для общего случая автоматического формирования базы знаний даже теоретически пока не найдено. Таким образом, несмотря на привлекательность принципа адаптивного управления обработкой изображений искусственным интеллектом, ни одна из его моделей,известных к настоящему времени е приемлема для обработки информации сложных по своей структуре изображений. Обрагамся теперь к принципу адаптивного управления количественной расчетно логической обработкой информации изобра ж е н и й. Данный принцип основывается преимущественно на методах хорошо разработанных теории дискриминантного анализа и теории распознавания образов . Структурная схема системы, реализующей данный принцип, представлена нарис. В приведенной схеме блок преобразования обеспечшает оператору такие возможности как определение границ зон участков информативности на гоображении.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.247, запросов: 244