Системи зі зворотним зв'язком використовують дані про попередні результати розпізнавання з метою налаштування системи під конкретні образи і умови розпізнавання. Робота таких систем може описуватися виразами
=f (Xt, Yt - 1), Xt=f (Xt, Yt - 1)
де t - поточний момент розпізнавання.
У даних системах результати розпізнавання можуть впливати не тільки на параметри роботи функції розпізнавання, але і на попередню обробку і формування даних (Мал. 3).
Рис. 3. СРО РВ зі зворотним зв'язком
Прикладом систем зі зворотним зв'язком є ??системи оптичного трекінгу об'єктів, де попереднє розташування об'єктів впливає на визначення поточного місця розташування, системи розпізнавання в рухливих роботах. Крім того, багато систем без зворотного зв'язку можуть бути модернізовані за рахунок обробки результату розпізнавання (наприклад, адаптивна система розпізнавання штрихових кодів).
Принцип класифікації за автономності розділяє СРО РВ відповідно до стандарту POSIX.13-2003: мінімальні системи РВ;
управляючі системи РВ;
спеціалізовані системи РВ;
універсальні системи РВ.
Відмінності даних систем обумовлені ускладненням з програмною точки зору і підтримки апаратних засобів. Так мінімальні системи РВ повинні працювати у складі АСУ, а універсальні системи є самодостатніми.
2.4 Значення і деякі завдання математичної теорії розпізнавання образів
Математична теорія розпізнавання образів виникла, має бути, одночасно з теорією штучного інтелекту, будучи одним з її розділів. Фахівці з розпізнавання образів намагаються побудувати алгоритми, що повторюють елементи людського мислення (насамперед абстрактного) і попереднього йому навчання на конкретних прикладах. Мабуть, одна з перших завдань розпізнавання образів була сформульована в роботах біолога Ф.Розенблатта, присвячених імітації зорового аналізатора. Знадобилося побудувати алгоритм розпізнавання найпростіших зображень - наприклад, цифр або букв. І до цих пір завдання такого роду залишаються в розпізнаванні образів найбільш популярними.
Іншими завданнями, в яких ефективними виявляються підходи розпізнавання образів, є задачі аналізу великих масивів емпіричних даних. Наприклад, математична теорія розпізнання використовується в медицині - зокрема, з математичним забезпеченням диференціальної діагностики.
У цьому випадку в якості об'єктів для розпізнавання виступають таблиці, що містять величезну кількість цифр - результатів різних медичних досліджень. Так, загальний аналіз крові людини включає близько п'ятдесяти різних показників, вивчивши які, лікар повинен прийняти якесь рішення. Хороший лікар, як правило, приймає це рішення, спираючись на свій професійний досвід. Тому завдання було - побудувати такий алгоритм прийняття рішення, щоб, грунтуючись на колишньому досвіді (базах даних за реальними історіям хвороби), впізнавати нові випадки, допомагаючи практикуючому лікарю з постановкою діагнозу.
Більш цікаві математичні завдання, пов'язані з дискретною оптимізацією, з теорією складності алгоритмів, статистичними завданнями прийняття рішень. Припустимо, для навчання надано якийсь матеріал. У разі медичної діагностики це може бути велика база даних з обстеження хворих та здорових людей. Завдання полягає в тому, щоб на її основі побудува...
