+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Параллельные цифровые нейрокомпьютеры и их применение в задачах распознавания зрительных образов

  • Автор:

    Галуев, Геннадий Анатольевич

  • Шифр специальности:

    05.13.13

  • Научная степень:

    Докторская

  • Год защиты:

    1997

  • Место защиты:

    Таганрог

  • Количество страниц:

    448 с.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы

НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ МНОГОПРОЦЕССОРНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ
Таганрогского государственного радиотехнического университета
На правах рукописи УДК 007.573.6:681
Галуев Геннадий Анатольевич
ПАРАЛЛЕЛЬНЫЕ ЦИФРОВЫЕ НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ЗРИТЕЛЬНЫХ ОБРАЗОВ
Специальность: 05.13.13 - Вычислительные машины, комплексы, системы и сети.
Диссертация на соискание ученой степени доктора технических наук
Научный консультант член-корреспондент РАН
д.т.н., профессор А.В. Каляев
Таганрог

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ ОСНОВНЫХ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ,
ЕДИНИЦ И ТЕРМИНОВ
ВВЕДЕНИЕ
1. ПАРАЛЛЕЛЬНЫЕ ЦИФРОВЫЕ НЕЙРОКОМПЬЮТЕРЫ
С ПРОГРАММИРУЕМОЙ АРХИТЕКТУРОЙ
1.1. Краткий анализ развития и современное состояние исследований в области моделирования нейронных
сетей
1.2. Проблемы создания и основные направления развития нейрокомпьютерной техники. Параллельные цифровые нейрокомпьютеры с программируемой архитектурой . ЧІ
вывода
2. СТРУКТУРА ПАРАЛЛЕЛЬНЫХ ЦИФРОВЫХ НЕЙРОКОМПЬЮТЕРОВ
2.1. Структурная организация универсальных и специализированных параллельных цифровых нейрокомпьютеров
2.2. Способы построения и классификация параллельных цифровых нейросетевых процессоров
2.3. Структура и свойства полносвязных параллельных цифровых нейросетевых процессоров. Параллельные цифровые нейросетевые процессоры с полным числом каналов связи
2.4. Структура и особенности параллельных цифровых нейросетевых процессоров с неполным числом каналов связи.Сравнительный анализ эффективности различных виде. параллельных цифровых

нейросетевых процессоров
ВЫВОДЫ
3. ЭЛЕМЕНТНАЯ БАЗА ПАРАЛЖЛЬНЫХ ЦИФРОВЫХ НЕЙРОКОМПЬЮТЕРОВ
3.1. Операциошшй базис и структура цифрового нейропроцессора
3.2. Способы реализации цифрового нейропроцессора
на основе современной интегральной технологии .165 ВЫВОДЫ
4. ПАРАЛЛЕЛЬНЫЕ ЦИФРОВЫЕ НЕЙРОКОМПЫОТЕРНЫЕ СИСТЕМЫ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ЗРИТЕЛЬНЫХ
ОБРАЗОВ - ИЗОБРАЖЕНИЙ
4.1. Особенности задачи распознавания зрительных образов. Проблема создания эффективных систем обработки и распознавания зрительных образов
и предлагаемые подходы к ее решению
4.2. Параллельные цифровые квазинейрокомпьютерные системы обработки и распознавания зрительных
образов
4.3. Параллельные цифровые нейрокомпьютерные системы обработки и распознавания зрительных
образов
ВЫВОДЫ
5. ПАРАЛЛЕЛЬНЫЕ. ЦИФРОВЫЕ НЕЙРОСЕТЕВЫЕ ПРОЦЕССОРЫ
ОБРАБОТКИ И РАСПОЗНАВАНИЯ ЗРИТЕЛЬНЫХ ОБРАЗОВ
5.1. Параллельные цифровые нейросетевые процессоры
обработки изображений
5.2. Обучающиеся параллельные цифровые нейросетевые процессоры распознавания

мощным стимулом для привлечения большого числа специалистов к проблеме моделирования нейронных сетей и возродило практический интерес к исследованиям в данной области.
В работах Г.Дрейфуса /31,32/ предлагаются и исследуются модели обучающихся нейронных сетей, построенные на основе формально-логических моделей нейрона Маккаллока-Питтса. Модели нейрона имеют два возможных состояния (0 и I), обладают порогом и соединены между собой по правилу "каждый с каждым". Для таких
моделей нейронных сетей показано, что, если привести их в произвольное возбужденное состояние, то через несколько итераций они спонтанно переходят в одно из нескольких имеющихся устойчивых состояний. Это позволяет модели запоминать столько эталонных
образов, сколько имеется различных устойчивых состояний. Для эффективной работы модели нейронной сети при распознавании образов требуется выполнить ряд условий, связанных с исключением возможности образования в фазовом пространств состояний сети циклов и ложных устойчивых состояний.- В/31/ предложено правило поиска таких значений синаптических весов, при которых достигается выполнение указанных условий. Указанные модели нейронных сетей могут быть использованы в качестве автоассоциативной памяти.
П.Вербос, Д.Паркер и Д.Румельхарт предложили модель
нейронной сети, обучение которой осуществляется методом обратного распространения ошибки /33/. Сети этого типа имеют структуру
многослойных перцептронов с прямыми связями и обеспечивают адаптивное формирование наборов признаков, оптимальных с точки зрения наименьших среднеквадратических отклонений. Метод обратного распространения ошибки является одним из наиболее мощных алгоритмов обучения моделей нейронных сетей, позволяющим обеспечить приближение к практически любой непрерывной функции

Рекомендуемые диссертации данного раздела

Время генерации: 0.151, запросов: 967