Интеграция сверточной нейронной сети в систему распознавания образов
Боковая панель статьи
Основное содержимое статьи
Аннотация
В данной статье приводится краткое описание архитектуры сверточных нейронных сетей. Описываются преимущества нейросетевого подхода к распознаванию образов. В работе представлено описание процесса интеграции сверточной нейронной сети в систему распознавания образов. В
качестве результата представлен программный модуль распознавания на основе сверточной нейронной сети, продемонстрировано повышение качества распознавания при использовании нейросетевого подхода.
Скачивания
Информация о статье
Библиографические ссылки
Ackley, D. H. A learning algorithm for Boltzmann machines / D. H. Ackley, G. E. Hinton, T. J. Sejnowski // Cognitive Science. — 1985. — Vol. 9. — Pp. 147-169.
Bengio, Y. Learning deep architectures for AI / Y. Bengio // Foundations and Trends in Machine Learning. — 2009. — Vol. 2. — Issue 1. — Pp. 1-127.
Ciresan, D. Multicolumn Deep Neural Networks for Image Classification / D. Ciresan, U. Meier, J. Schmidhuber // In Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), CVPR '12. — Washington, DC, USA, 2012. IEEE ComputerSociety. — Pp.3642-3649.
Ranzato, M. Unsupervised learning of invariant feature hierarchies with applications to object recognition / M. Ranzato, F. Huang, Y. Boureau, Y. LeCun // in Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR’07), IEEE Press, 2007.
Ranzato, M. A. What is the best multi-stage architecture for object recognition? [Text] / M. A. Ranzato, K. Jarrett, K. Kavukcuoglu, Y. LeCun// In ICCV, 2009.
Гилл, Ф. Практическая оптимизация: Пер. с англ. / Ф. Гилл, У. Мюррей, М. Райт // М.: Мир, 1985. – С. 509.
Гонсалес, Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное / Р. Гонсалес, Р. Вудс. — М.: Техносфера, 2012. – С. 1104.
Измайлов, А. Ф. Численные методы оптимизации / А. Ф. Измайлов, М. В. Солодов. — М.: ФИЗМАТЛИТ, 2005. — С. 304.
Немков, Р.М. Разработка нейросетевых алгоритмов инвариантного распознавания образов: диссертация ... кандидата технических наук: 05.13.18 / Немков Роман Михайлович; [Место защиты: Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Северо-Кавказский федеральный университет»]. — Ставрополь, 2015. — С. 162.
Саттон, Р.С. Обучение с подкреплением. : пер. с англ. / Р.С. Саттон, Э.Г. Барто. — М.: Бином. Лаборатория знаний, 2011. — С. 399.
Тархов, Д.А. Нейросетевые модели и алгоритмы. Справочник / Д. А. Тархов. — М.: Радиотехника, 2014. — С. 352.
Ульянов С. В., Решетников А.Г., Кошелев К.В. Разработка системы распознавания образов для мобильного робота // Системный анализ в науке и образовании: сетевое научное издание. – 2016. — №4. — [Электронный ресурс]. URL: http://sanse.ru/download/274.
Хайкин, С. Нейронные сети: полный курс, 2-е издание. / С. Хайкин. — М.: Издательский дом «Вильямс», 2008. — С. 1104.
Шевелёв, И. А. Нейроны-детекторы зрительной коры / И. А. Шевелёв. — М.: Наука, 2010. — С. 183.