ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Модель многослойной нейросети с архитектурой неокогнитрона

    Авторы: Труханов Т. И., Федяев О. И.

    Описание: В данной работе выполнен параметрический анализ многослойной нейросети типа неокогнитрон, спроектирована программная модель нейросети, проведен ряд экспериментов с целью изучения процессов обучения и распознавания на примерах простых графических изображений.

    Источник: Інформаційні управляючі системи та комп’ютерний моніторинг / Матерiали IV мiжнародної науково-технiчної конференцiї – Донецьк, ДонНТУ – 2013, Том 1, с. 456-462, iuskm.donntu.ru/pdf/vol1/Секция 7.pdf

    2. Тематические статьи

  2. An Evaluation of The Neocognitron

    Авторы: David R. Lovell, Thomas Downs and Ah Chung Tsoi

    Описание: Серия экспериментов по выявлению сильных и слабых сторон неокогнитрона, предложенного Фукушимой. Также предлагаются улучшения для повышения качества распознавания рукописного текста, в частности предлагается заменить последний слой неокогнитрона нелинейным классификатором – многослойным персептроном

    Источник: IEEE Transactions of neural networks, Vol. 8, No. 5, 1997, http://lrn.no-ip.info/other/books/neural/Neocognitron ...

  3. Структура системы идентификации человека по изображению лица

    Авторы: Никитенко Е.В., Силиченко А.И.

    Описание: Спроектирована структура системы идентификации человека по изображению лица, которая осуществляет распознавание лиц, выделение антропометрических точек и непосредственно идентификацию на основе отклика от различных алгоритмов, сочетание которых позволяет повысить достоверность результата идентификации.

    Источник: Вісник Чернігівського державного технологічного університету Технічні науки, №3(51), 2011 р. archive.nbuv.gov.ua ...

  4. Исследование моделей S- и С нейронов неокогнитрона при обучении и распознавании образов

    Авторы: Сова А.А., Федяев О.И.

    Описание: Рассмотрена архитектура многослойной нейронной сети типа неокогнитрон, состоящего из нейронов типа S и С. Исследована нелинейная модель S-нейрона при различных соотношениях её параметров торможения и возбуждения, показана возможность обучения S-нейрона по стратегиям с учителем и без учителя распознавать базисные элементы входных образов

    Источник: VII международная научно-техническая конференция студентов, аспирантов и молодых научных работников Информатика и компьютерные технологии – Донецк, ДонНТУ, 2011. – С. 164-168, ea.donntu.ru ...

  5. Распознавание искусственными нейронными сетями графических образов при наличии искажений в реальном времени

    Авторы: Махно Ю.С., Федяев О.И.

    Описание: В докладе основной раскрываемой темой является, за счет чего достигается быстрота распознавания, а также устойчивость к искажениям при использовании неокогнитрона

    Источник: Тезисы доклада на III международную научно-техническую конференцию молодых учёных и студентов Информатика и компьютерные технологии 2007

  6. Логическое и физическое представление архитектуры свёрточной нейронной сети

    Авторы: Умяров Н.Х., Федяев О.И.

    Описание: В данной работе рассматривается проблема распознавания изображений – актуальная задача на сегодняшний день. Изучен классический метод распознавания с помощью многослойного персептрона, выявлены его недостатки. В связи с этим рассматривается другой подход к решению этой задачи – использование сверточных нейронных сетей, в которой устараняются недостатки классического подхода

    Источник: Інформаційні управляючі системи та комп’ютерний моніторинг (ІУС КМ - 2011) / VII Всеукраїнська науково-технічна конференція студентів, аспірантів та молодих вчених, 2011 р., – Донецьк: ДонНТУ, 2011. – Т.3, с. 81-85

  7. Кодирование изображений человеческих лиц с помощью самоорганизующейся карты Кохонена

    Авторы: Костецкая Г.Ю, Федяев О.И.

    Описание: В этой работе рассматривается кодирование изображений человеческих лиц с помощью самоорганизующейся карты кохонена. Самоорганизующаяся карта (SOM) используется для проекции представления изображения в менее мерное пространство

    Источник: Сб. трудов Международной студенческой научно-практической конференции Информатика и компьютерные технологии – Донецк: ДонНТУ, 2009. – с. 265-268.

  8. Распознавание графических образов при наличии искажений с помощью неокогнитронных нейросетей

    Авторы: Федяев О.И., Махно Ю.C

    Описание: Определена архитектура неокогнитрона и методика его обучения. Выполнен анализ качества распознавания смещённых, деформированных и зашумлённых образов.

    Источник: Тезисы доклада на III международную научно-техническую конференцию молодых учёных и студентов Информатика и компьютерные технологии 2007

    9. Переводы статей

  9. Неокогнитрон, способный инкрементально обучаться

    Авторы: Fukushima K.

    Перевод с англ.: Труханов Т.И.

    Описание: Данная работа предлагает новый неокогнитрон, который принимает инкрементальное обучение без нанесения большого ущерба уже обученным клеткам и без уменьшения скорости обучения. Новый неокогнитрон использует конкурентное обучение и обучение на всех этапах иерархической сети происходит одновременно.

    Источник (англ.): Journal Neural Networks, Volume 17 Issue 1, January 2004, Pages 37-46, Elsevier Science Ltd. Oxford, UK, lrn.no-ip.info/other/books/neural/Neocognitron

  10. Неокогнитрон с двойным С-клеточным слоем.

    Авторы: Fukushima K., Okada M, Hiroshige K.

    Перевод с англ.: Труханов Т.И.

    Описание: В этой статье описывается разновидность неокогнитрона с двойным С-клеточным слоем. Это позволяет сделать работу С-слоя экономичнее. Для этого слой С-клеток в промежуточном уровне нейросети расделяется на два подслоя: один с меньшим размыванием, а второй с большим. Каждая S-клетка в следующем слое получает входные соединения от слабо размывающего С-клеточного слоя в цетре своей области соединений и также получает соединения от сильно размывающего С-клеточного слоя на периферии. Компьютерное моделирование показало, что новый неокогнитрон распознаёт символы надёжнее чем обычный неокогнитрон.

    Источник (англ.): Journal Neural Networks Volume 7 Issue 1, 1994 Pages 41-47 Elsevier Science Ltd. Oxford, UK, lrn.no-ip.info/other/books/neural/Neocognitron ...