350 руб
Журнал «Электромагнитные волны и электронные системы» №7 за 2016 г.
Статья в номере:
Поддержка принятия решений при нейросетевой идентификации автора почерка
Ключевые слова: нейросеть нечеткие множества почерк кластеризация идентификация поддержка принятия решений
Авторы:
И.К. Белова - к.ф.-м.н., Калужский филиал МГТУ им. Н.Э. Баумана Е.О. Дерюгина - к.т.н., Калужский филиал МГТУ им. Н.Э. Баумана А.В. Ермоленко - соискатель, Калужский филиал МГТУ им. Н.Э. Баумана. syvorova_eo@mail.ru
Аннотация:
Рассмотрены вопросы поддержки принятия решений по обработке рукописных документов подразделениями вневедомственной охраны полиции. Разработан оригинальный метод выделения уникальных характеристик почерка на основе строкового и межбуквенного анализа. Применены методы кодирования символов с использованием теории графов. Модифицирован критерий информативности и показана разделимость признаковой базы. Синтезирована архитектура нейросетевого решающего устройства, модифицированная использованием теории нечетких множеств.
Страницы: 46-54
Список источников

 

  1. Рекомендации МВД России от 23.10.2013 P. 78.36.031 -2013 «О порядке обследования объектов, квартир и МХИГ, принимаемых под централизованную охрану».
  2. Горошко И.В. Математическое моделирование в управлении органами внутренних дел. М.: Акад. управ. МВД России. 2000.
  3. Методы классической и современной теории автоматического управления: Учебник. В 5-ти томах. Изд. 2-е, перераб. и доп. Т. 5.: Методы современной теории автоматического управления / Под ред. К.А. Пупкова, Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана. 2004. 744 с.
  4. Ермоленко А.В., Козличенков А.А., Корлякова М.О. Выбор входного набора признаков для нейросетевой идентификации почерка // Научная сессия МИФИ 2007. Сб. научных трудов IX Всерос. научно-технич. конф. «Нейроинформатика-2007»: В трех частях. Ч. 1. М.: МИФИ. 2007. С. 42−50.
  5. Белова И.К., Дерюгина Е.О. Рекуррентная нейронная сеть с управляемыми синапсами для распознавания рукописного связного текста // Электромагнитные волны и электронные системы. 2013. Т. 18. № 10. С. 36−39.
  6. Ермоленко А.В. (а). Корлякова М.О., Филимонков А.А. Формирование нейросетевой модели геоинформационного датчика. Известия Института инженерной физики. 2011. № 1(19). С. 25−30.
  7. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. 2005. № 33. С. 5−25.
  8. Макаров И.М., Лохин В.М., Манько С.В., Романов М.П. Искусственный интеллект и интеллектуальные системыуправления. М.: Наука. 2006. 333 с.
  9. Оссовский С. Нейронные сети для обработки информации / Пер. с англ. И.Д. Рудницкого. М.: Финансы и статистика. 2002. 344 с.
  10. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука. 2004. 384 с.