Применение нейронных сетей для распознавания образов
Процесс создания и обучения нейронной сети для задачи классификации изображений собак и кошек с использованием TensorFlow и архитектуры MobileNetV2. Описание подготовки и предобработки данных, включая изменение размеров и нормализацию изображений.
Подобные документы
Анализ хаотических процессов при небольшом объеме входных данных. Модели искусственного нейрона с нелинейными синаптическими входами. Настройка свободных параметров сети в градиентном алгоритме обучения нейронной сети с нелинейными синаптическими входами.
автореферат, добавлен 29.03.2018Рассмотрение и характеристика сущности процесса реализации нейронной сети для автономной навигации мобильного робота, используя данные, собранные с ультразвуковых датчиков, которые установлены на его корпусе. Ознакомление с архитектурой нейронной сети.
статья, добавлен 19.02.2019Применение системно-когнитивного анализа, его математической модели – системной теории информации и программного инструментария – системы "Эйдос" для синтеза обобщенных изображений классов, их абстрагирования, классификации обобщенных изображений.
статья, добавлен 26.04.2017Практические приложения распознавания образов. Выработка правил классификации самолетов для бомбардировщиков и истребителей в зависимости от их максимальной скорости и максимального взлетного веса. Обучение по алгоритму обратного распространения ошибки.
контрольная работа, добавлен 28.08.2013Основные преимущества использования нейронных сетей при обучении автоматизированному переводу. Описание общей схемы и принципа работы нейронной сети, применение данной технологии в системе NMTS. Характеристика технологий автоматического перевода.
статья, добавлен 28.01.2019Особенности применения искусственных нейронных сетей для решения задачи классификации уровня формирования. Анализ решения задачи автоматической классификации уровня формирования по данным об идентифицированных объектах на электронной карте местности.
статья, добавлен 02.04.2019Анализ существующих систем в области идентификации изображений, их применение. Характеристика функциональной структуры подсистемы. Анализ выбора нейронной сети, моделирование подсистемы идентификации. Разработка базы сигналов и создание нейронной сети.
курсовая работа, добавлен 02.08.2015Роль глубокого обучения в создании программного обеспечения deepfake, угрозы конфиденциальности и безопасности. Возможности реализованных в нём алгоритмов создания поддельных изображений, синтезированных искусственным интеллектом, методы их обнаружения.
статья, добавлен 09.05.2022Понятие и основные компоненты нейронных сетей, классификация образов. Обучение по алгоритму обратного распространения ошибок. Сети с радиальными базисными функциями. Кластеризация образов, самоорганизующаяся карта признаков. Дискретная сеть Хопфилда.
книга, добавлен 18.01.2011Знакомство со средой создания нейронных сетей. Сущность статической и динамической архитектуры. Основные сети каскадной корреляции. Искусственные нейронные сети и алгоритмы классификации. Разработка проектов создания комплекса лабораторных работ.
дипломная работа, добавлен 04.07.2018Сущность понятий "распознавание", "универсальное множество", "образ", "решающее правило", "адаптация" и "обучение". Примеры задач распознавания образов. Перебор, анализ характеристик образа, использование искусственных нейронных сетей при распознавании.
контрольная работа, добавлен 20.12.2012Разработка программы распознавания действий человека. Работа с видеопотоком и классификатором. Выделение особенностей и структуры сверточной нейронной сети. Функции активации искусственного нейрона. Выделение контура из изображения и определение движения.
дипломная работа, добавлен 05.11.2015Описание подхода, основанного на элементах статистической теории обучения и вероятностных трактовках взаимозависимости между входами и выходами нейронных сетей по их обучению и тестированию. Задачи распознавания урофлоурограмм заболеваний в урологии.
статья, добавлен 13.01.2017Решение задач классификации бинарных входных векторов с использованием искусственной нейронной сети Хэмминга. Расчет матрицы весовых коэффициентов нейронов первого слоя. Сигналы нейронной сети Хэмминга, получаемые на протяжении полного цикла расчета.
статья, добавлен 12.06.2018- 115. Сегментация изображений в больших базах данных с использованием плотности распределения информации
Задачи сегментации изображений на основе алгоритма кластеризации с использованием плотности распределения информации. Формирование кластеров произвольной формы, обработка сигналов, зашумленных разного вида возмущениями, матричное представление информации.
статья, добавлен 24.03.2016 Потребность в разработке систем распознавания буквенно-символьной информации документов. Формирование цифровых изображений двумерных или трехмерных сцен с помощью датчиков. Модификация пикселей в малых окрестностях. Изменение тонового распределения.
дипломная работа, добавлен 17.05.2016Методика выбора нейронной сети для решения задач регрессионного анализа многомерных данных. Оценка эффективности выбранной нейросети при решении задачи аппроксимации зашумленных данных. Результаты моделирования прочностных характеристик металла шва.
статья, добавлен 27.05.2018Создание адекватного математического описания изображений, передающего их содержание, смысл как одна из фундаментальных проблем анализа изображений. Алгоритм обработки и сжатия изображений. Программное обеспечение данного процесса, его этапы и анализ.
статья, добавлен 18.01.2018- 119. Нейронные сети
Свойства нейронных сетей, области их применения и классификация. Структура и принципы работы нейронной сети и особенности ее обучения. Нейросетевые системы управления. Разработка нейросевого регулятора с наблюдающим устройством, управление объектом.
реферат, добавлен 08.10.2011 Разработка нового, теоретико-информационного критерия оптимальности решения задачи автоматического распознавания изображений на основе теоретико-вероятностной модели изображений. Реализация критерия в виде комплекса программ для проведения исследований.
автореферат, добавлен 01.05.2018Методики компонентного проектирования нейронных сетей для обработки баз знаний, представленных семантическими сетями. Использование унифицированной модели нейронной сети и компонентном подходе к работе с нейронными сетями; библиотека НС-компонент.
статья, добавлен 06.03.2019Понятие искусственных нейронных сетей. Модель и архитектура технического нейрона. Обучение нейронных сетей. Основные функциональные возможности программ моделирования нейронных сетей. Однослойный и многослойный персептроны. Принцип работы сети Кохонена.
дипломная работа, добавлен 19.11.2015Изучение подходов к нормализации обучающего множества нейронной сети. Анализ существующих методов обучения нейронной сети Кохонена, их основные в преимущества и недостатки. Разработка нового конструктивного метода обучения на основе нейтронной сети.
статья, добавлен 26.04.2019Обзор систем оптического распознавания изображений: ABBYY Finereader, SimpleOCR, FreeOCR, Microsoft Office Document Imaging. Алгоритм распознавания образов: захват кадра; предварительная обработка (предобработка); локализация и распознавание объекта.
реферат, добавлен 08.06.2019Способы предобработки количественных признаков обучающей выборки, индивидуальные для признака и интегральные для выборки критерии оптимальности предобработки. Подтверждение ускорения обучения backprop-нейросети при смене заданного способа предобработки.
статья, добавлен 08.02.2013