Математическое и программное обеспечение распознавания многоэлементных зрительных сцен с использованием иерархических нейронных сетей

• Автор: Аксёнов, Сергей Владимирович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Томск
• Количество страниц: 154 с. : ил.

Оглавление
Введение.

Глава 1. Нейронные сети для анализа двумерных образов.

1.1. Иерархические нейронные сети встречного распространения

1.1.1 .Неокогнитрон и его модификации.

1.1.2.Свертывающие нейронные сети.

1.1.3.Иерархическая нейронная сеть с нелинейной операцией максимум

1.2. Порождающие статистические модели

1.2.1. Машина Гельмгольца.

1.2.2.Иерархическое смешение мнений экспертов.

1.2.3.Иерархические фильтры Калмана.

1.3. Рекуррентные модели
1.3.1.Модели с латеральным взаимодействием
1.3.2.Модели с вертикальными обратными связями
1.3.3.Модели с вертикальными и латеральными обратными связями
1.4. Выводы.
Глава 2 Архитектура и алгоритмы функционирования иерархической ИИ С
2.1. Структура иерархической ИНС
2.1.1.Рецептивный уровень.
2.1.2.Уровень клеток локальных ориентаций с переменным рецептивным полем простых локальных ориентаций.
2.1.3.Уровень максимальной активности Бнейронов
2.1.4.Слои свертки
2.1.5.Общая среда и видонастраиваемые клетки
2.1.6.Уровень восприятия классов
2.2. Функционирование системы.
2.2.1 .Алгоритмы обучения сети и модификации данных.
2.2.2.Алгоритмы ассоциативного поиска.
2.3. Выводы.
Глава 3 Особенности работы с многоэлементными сценами.
3.1. Модель восходящего внимания
3.2. Интеграция процессов фокусирования внимания и связывания фрагментов сцены
3.3. Выводы.
Глава 4 Реализация и тестирование системы
4.1. Проектирование и программная реализация.
4.2. Построение экземпляра модели
4.2.1.Топология сети.
4.2.2.Настройка подсистемы внимания
4.3. Тестирование модели.
4.4. Выводы
Заключение.
Список используемых источников


Отдельные модули разработанного программного комплекса имеют самостоятельное значение и могут использоваться в автономном режиме, что делает данный комплекс (подход) универсальным инструментом построения архитектур и обучения нейронных сетей для решения различных прикладных задач нейрокомпьютинга, таких как классификация, кластеризация, аппроксимация и управление. Результаты работы докладывались на: III Всероссийской научно-практической конференции «Научная сессия ТУ СУР-». Томск, ; VI Всероссийской конференции «Молодежь и современные информационные технологии». Томск, ; V Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых. Молодежь и современные информационные технологии». Томск, ; ХЬУ Международной научной студенческой конференции "Студент и научно-технический прогресс". Новосибирск, ; XIII Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии». Томск, ; VI Всероссийской научно-практической конференции «Инновационные недра Кузбасса. Т-технологии». Кемерово, ; VI Всероссийской конференции «Молодежь и современные информационные технологии». Томск, ; Всероссийской конференции «Информационные технологии в авиационной и космической технике - ». Москва, ; ХЬУ1 Международной научной студенческой конференции «Студент и научно-технический прогресс». Рязань, ; III Международной научно-технической конференции «Инфокоммуникационные технологии в науке, производстве и образовании». Кисловодск, ; XV Международная научная конференция студентов, аспирантов и молодых ученых «Ломоносов», - Москва, ; Всероссийская научно-практическая конференция Информационные технологии в профессиональной деятельности и научной раооте - Йошкар-Ола, ; XIV Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии». Томск, . Математическая модель иерархической ИНС для анализа сложных изображений, учитывающая взаимодействие процессов фиксации внимания и собственно распознавания. Алгоритмы обучения и функционирования иерархической ИНС предложенной структуры. Алгоритм выделения значимых фрагментов сцены подсистемой внимания. Программная реализация интерпретации сцен на базе взаимодействия подсистем внимания и распознавания. По теме диссертационного исследования опубликовано печатных работ, в том числе одна монография (в соавторстве) и две статьи в реферируемых изданиях, одобренных ВАК. Монография награждена дипломом лауреата Всероссийского конкурса Фонда развития отечественного образования «За лучшую научную книгу года». В опубликованных работах лично автором обоснованы причины разработки комплекса взаимодействия иерархической НС с подсистемой внимания, пояснены используемые структуры и алгоритмы функционирования разработанного комплекса, а также приведены результаты работы реализованных методов и алгоритмов на различных выборках в том числе дано сравнение с результатами группы нейросетевых моделей, решающих аналогичные задачи. Диссертация включает введение, четыре главы, заключение и список литературы, общий объём составляет 4 страницы, включая рисунки. В первой главе представлен обзор родственных исследований, а также проанализирован опыт разработки и использования систем распознавания образов с помощью искусственных нейронных сетей. Во второй главе предлагается архитектура иерархической ПС для задач интерпретации сцен. Описываются структура и механизмы функционирования системы распознавания. Объясняются причины представления связанных фрагментов сцены на нескольких уровнях иерархии. I [оказаны аспекты стратегий поиска наиболее вероятного решения, а также процессов работы и обучения. Третья глава посвящена вопросам выделения связанных контрастных фрагментов сцены подсистемой внимания, включающей модель восходящего внимания и алгоритм восходящего анализа сетью Маркова на базе метода Монте-Карло. Рассматриваются проблемы совмещения двух последних методов, а также возможные пути их решения. В четвертой главе описывается программная реализация разработанных архитектуры и алгоритмов. Приводятся и обосновываются основные программные интерфейсы, классы и компоненты, включенные в реализацию системы взаимодействия подсистем распознавания и внимания. Рассматриваются результаты работы системы в сравнении с существующими аналогами.