Применение нейрокомпьютеров для представления и визуализации статических и динамических трехмерных данных

• Автор: Скрибцов, Павел Вячеславович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Долгопрудный
• Количество страниц: 166 с.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ.
ГЛАВА 1. ПРЕДПОСЫЛКИ К ПРИМЕНЕНИЮ НЕЙРОКОМПЬЮТЕРОВ ДЛЯ ПРЕДСТАВЛЕНИЯ И ВИЗУАЛИЗАЦИИ ТРЕХМЕРНЫХ ДАННЫХ

1.1. Общий вид процесса визуализации трехмерных данных различной природы.

1.2. Вычислительная сложность процесса синтеза проекций

1.3. Предпосылки к применению нейрокомпьютеров на этапе

синтеза проекций

ГЛАВА 2. ПОСТАНОВКА ЗАДАЧИ НЕЙРОСЕТЕВОГО ПРЕДСТАВЛЕНИЯ И ВИЗУАЛИЗАЦИИ ТРЕХМЕРНЫХ ДАННЫХ .

2.1. Обзор основных способов представления трехмерных данных

2.2. Математическая формулировка нейросетевого представления трехмерных данных, заданных в различных форматах.

2.3. Алгоритмы визуализации на основе нейросетевого представления трехмерных данных

2.3.1. Визуализация триангулированных трехмерных объектов, заданных нейросетевым представлением.
2.3.2. Визуализация вексельных данных в
нейросетевом представлении
ГЛАВА 3. ВАРИАНТЫ НЕЙРОСЕТЕВОЙ ПОСТАНОВКИ ЗАДАЧИ
3.1. Входной сигнал нейронной сети
3.2. Типовые входные сигналы
3.3. Варианты требуемого желаемого выходного сигнала
3.4. Выходной сигнал нейронной сети.
3.5. Функция ошибки.
3.6. Функция активации.
3.7. Структура нейронной сети
3.8. Функционал оптимизации
3.9. Выбор обучающей последовательности
3 Алгоритм настройки весовых коэффициентов.
3 Выбор начальных значений весовых коэффициентов сети
ГЛАВА 4. МОДЕЛИРОВАНИЕ НЕЙРОСЕТЕВОГО ПРЕДСТАВЛЕНИЯ ТРЕХМЕРНЫХ ДАННЫХ
4.1. Исследование алгоритмов настройки весовых коэффициентов
4.1.1. Простой градиентный спуск групповой
4.1.2. Простой градиентный спуск последовательный.
4.1.3. Последовательный градиентный спуск с использованием функционала целевой ошибки
4.1.4. Групповой градиентный спуск с алгоритмом адаптивной настройки шага метод
4.1.5. Метод сопряженных градиентов i
4.1.6. Методь настройки сети с переменной структурой
4.1.7. Комбинированные методы.
4.1.8. Характеристики методов.
4.1.9. Выводы по характеристикам методов
4.2. Исследование влияния масштабирования входного сигнала на скорость настройки.
4.3. Исследование влияния структуры нейронной сети на скорость и качество обучения
4.4. Исследование влияния выбора начальных весовых коэффициентов на скорость настройки.
4.4.1. Метод случайных значений.
4.4.2. Метод i i.
4.4.3. Метод касательных плоскостей.
4.4.4. Метод от простого к сложному.
4.4.5. Сравнение методов инициализации весовых коэффициентов
4.5. Исследование влияния параметров обучающей последовательности на
качество нейросетевого представления поверхностей
триангулированных тел.
4.6.Оценка качества получаемого изображения в зависимости от
величины достигнутой ошибки
4.7.Нейросетевое представление динамических триангулированных тел
4.8. Описание компьютерной модели
4.8.1. Общая структура программы
4.8.2. Скорость работы и оптимизирование алгоритмов.
ГЛАВА 5. ПРЕДВАРИТЕЛЬНЫЕ РАСЧЕТЫ ПО РАЗРАБОТКЕ АППАРАТНОГО УСКОРИТЕЛЯ НЕЙРОСЕТЕВОГО АЛГОРИТМА ТРАССИРОВКИ ЛУЧЕЙ
5.1. Принципиальная схема аппаратного ускорителя нейросетевого алгоритма трассировки лучей
5.2. Теоретические оценки требований к рабочим параметрам системы и расчет возможной эффективности.
5.3. Распараллеливание НС алгоритмов на несколько СБИС плат
5.4. План работ с модулем СуперНК
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Для такого моделирования и преобразования разработаны специальные пакеты программ например 3 i МАХ компании i. Полученная в итоге смесь трансформированных реальных данных и данных, полученных из математической модели, может храниться и передаваться на расстоянии. Этих данных достаточно для рассматривания сцены с разных виртуальных точек наблюдения и под разными углами то есть этих данных достаточно для построения различных 2 проекций. Например, имея необходимую информацию о сцене дом, можно совершать в нем виртуальные прогулки. Поскольку эти данные описывают трехмерные объекты их принято называть трехмерные данные1. Трехмерные данные могут быть представлены в памяти компьютера в различной форме. В памяти компьютера невозможно хранить абсолютно всю информацию о сцене по причине ее ограниченности, т. От способа хранения представления трехмерных данных в памяти ЭВМ сцены зависит количество требуемой памяти, скорость работы алгоритма визуализации и точность качество получаемой проекции фотореалистичность. Основные методы представления трехмерных данных будут описаны ниже. Эти данные, представляющие описание сцены1 в той или иной форме, являются входными для алгоритма проектирования алгоритма визуализации. Преобразование входных трехмерных данных сцены в выходные двухмерный массив пикселей должно происходить по определенным правилам, суть которых состоит в том, чтобы зрительное ощущение человека, наблюдающего двухмерное изображение, построенное алгоритмом визуализации, максимально соответствовало ощущению, которое наблюдатель получил, если бы рассматривал сцену в реальной действительности рис 1. Особенно данное требование актуально для систем виртуальной реальности ВР. Моделируемая в этих системах среда носит квазиреальный характер, то есть пользователь через систему ВР наблюдает как бы настоящие помещения, ландшафты, реальные предметы 4,5. Для таких систем возникает необходимость синтезировать именно фотореалистичные изображения. Фотореалистичность означает, что человек видит на экране компьютера изображение, не отличающееся по правдоподобию реализму от фотографического. Степень фотореалистичности получаемого изображения определяются выбором того или иного метода получения данных о сцене о ее трехмерных объектах, среде, источников света, выбором метода хранения информации о сцене в памяти компьютера, а также выбором метода построения двумерной проекции. В терминологии компьютерной графики сцена это совокупность всего того, что подлежит визуализации, т. Для того чтобы ощущения человека были максимально правдоподобны, то есть если необходимо, чтобы изображение, сформированное на сетчатке глаза от реального объекта и от его проекции на экране, компьютера максимально совпадали, необходимо обеспечить сохранность всей информации о сцене на всем процессе от получения трехмерных данных об объектах, источниках света, атмосфере и т. Здесь не учитываются искажения, вносимые отображающей аппаратурой, хотя в последнее время разрабатываются специальные алгоритмы внесения в проекцию антиискажений для нейтрализации побочных эффектов проекционной аппаратуры, причем как геометрических, так и цветовых. В некоторых случаях правила проектирования изменяются так, чтобы человек наблюдал преобразованную сцену. Например, в свете не обычных, а рентгеновских лучей, для того, чтобы видеть не только поверхности объектов, но и их внутренности. В этом случае представление трехмерных данных должно позволять извлекать информацию не только о поверхностях объектов, но и о внутреннем строении. Рис. Наблюдение визуализированных трехмерных данных, описывающих реальный объект. Задача данного процесса создать плоское изображение объекта, считанное глазом с двухмерного экрана, максимально похожим на изображение, которое формирует в глазе реальный объект. Форма представления трехмерных данных об объекте должна быть достаточно информативной, чтобы не было потери информации. При этом алгоритм визуализации должен правильно обрабатывать трехмерные данные, учитывая необходимые законы оптики геометрия распространение света, законы отражения, преломления, сложения цветов, и т.