Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Статьи » Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі

Реферат Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі





/>

3.3 Блок схема нейронної мережі


Блок-схема є варіантом формалізованої запису алгоритму або процесу. Кожен крок алгоритму в даному поданні зображується у вигляді блоків різної форми, які з'єднані між собою лініями. У блок-схемі можна відобразити всі етапи рішення будь-якої задачі, починаючи з введення вихідних даних, обробки операторами, виконання циклічних і умовних функцій, і закінчуючи операціями виведення результуючих значень.

Фактично завдання полягає в тому, що на основі введених конфігурацій у вибірці для кожного символу виявити їх характерні ознаки і розпізнати клас представленого на упізнання символу. Завдання розпадається на наступні кроки:

. Завантаження вибірки векторів з вибірки даних;

. Введення довільного набору даних для подальшої кластеризації;

. Зчитування введених даних для розпізнавання з вибірки в програму;

. Перетворення даних з двійкового подання в табличний масив 0 і 1;

. Підрахунок конгруентної проміжної нейронної матриці;

. Підрахунок діверсівной проміжної нейронної матриці;

. Підрахунок пасивної проміжної нейронної матриці;

. Підрахунок підсумкової симбіозних нейронної матриці, заснованої на характеристиках матриць шарів;

. Виявлення характеристик симбіозних матриць і обчислення підсумкових значень на виходах;

. Виявлення найбільшого значення з виходів симбіозних матриць, визначення його коду і асоціювання з надійшли на вхід класом;

. Коригування суматорних матриці (без вчителя) у разі високої похибки;

. Перехід до кроку 2, поки величина похибки не задовольнятиме.

Блок схема відповідного алгоритму буде мати наступний вигляд:

Штучна самоорганізована нейро-матрична мережу (ІСНМС), побудована за такою схемою (рис. 3.5): на вхід нейронної мережі подаетсявиборка даних, вхід можна уявити, як матрицю рецепторів, а вибірка може бути представлена ??у вигляді послідовності 0 та 1, де 0 - незафарбовані осередку, а 1 - зафарбовані осередки. Інформація з матриці рецепторів подається, і трансформуються на другий рівень - клас нейронних матриць представників і критеріїв оцінок для кожного класу бази даних, після цього підраховуються проміжні ваги і застосовуються критерії відбору елементів, які також прописані в матричному вигляді - третій рівень.


Рис. 3.5 Умовний граф матричної нейронної самоорганізується мережі


Наступним етапом є зважування отриманих результатів за допомогою обчислення цільової функції кожної матричної схеми, враховуючи різні критерії. Після обчислення всіх ваг на останньому етапі проглядаються отримані результати, і найвищого значенням буде відповідати найбільш наближений клас. У створеній схемі використовується самоорганізація мережі, тобто після визначення класу відбувається перенастроювання ваг різних матриць критеріїв у циклі, таким чином, схема не є статичною, а є динамічно подстраиваемой і ефективно сходящейся.

На основі побудованої принципово нової штучної нейронної схеми з незалежними нейронами і застосування ймовірносно-статистичних аналізів були отримані високі результати розпізнавання. Даний граф показує структурну схему побудованої штучної самоорганізується нейронної мережі (ІСНС) для кластеризації даних.

Нижче наводиться більш деталізована блок-схема нейронної мережі.


Рис. 3.6. Блок схема роботи нейронної мережі


Алгоритм навчання мережі Кохонена виглядає наступним чином:

. Ініціювати матрицю ваг малими випадковими значеннями (на відрізку [- 1,1]).

. Побудувати чергу з елементів вхідного безлічі, розташувавши їх у випадковому порядку, помітити їх все як необроблені.

. Вибрати перший необроблений елемент x з черги.

. Для кожного виходу j обчислити відстань dj (1) між його вектором ваг wj і вхідним вектором x:


x) (3.3)


. Знайти номер вихідного нейрона jm з мінімальною відстанню dj:


(3.4)


. Обчислити зміну ваг? W={? Wu} для всіх нейронів u вихідного шару:


(3.5)


де c - номер (пара індексів) нейрона переможця jm в двовимірної решітці другого шару;

і - номер (пара індексів) нейрона з вектором ваг wu в двовимірної решітці другого шару; і - вектор вагових коефіцієнтів зв'язку вхідного шару і вихідного нейрона ...


Назад | сторінка 23 з 36 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Розробка штучної нейронної мережі для розпізнавання статі по фотографії
  • Реферат на тему: Дослідження та розробка нейронної мережі для настройки коефіцієнтів ПІД-рег ...
  • Реферат на тему: Розробка і побудова прогностичних моделей на основі нейронної мережі в анал ...
  • Реферат на тему: Розробка програми моделювання нейронної мережі
  • Реферат на тему: Реалізація одношарової нейронної мережі (персептрона)