350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №9 за 2012 г.
Статья в номере:
Применение окон с адаптивной формой для нейросетевой фильтрации и интерполяции изображений
Ключевые слова: фильтрация шумов интерполяция изображений обработка изображений нейросетевые алгоритмы нейросетевая фильтрация
Авторы:
П.В. Скрибцов - к.т.н., ген. директор, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru П.А. Казанцев - к.т.н., руководитель группы разработчиков, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru А.В. Долгополов - ООО «ПАВЛИН Техно», www.pawlin.ru, www.pawlin.com
Аннотация:
Дано описание универсального алгоритма для нейросетевой фильтрации и интерполяции изображений. Выбор формы окна основан на измерении обобщающих свойств нейронных сетей. Для обучения нейронных сетей использован метод экстремального обучения. Алгоритм показал свою эффективность на практике.
Страницы: 60-65
Список источников
  1. Нейрокомпьютеры в прикладных задачах обработки изображений / под ред. А.Н. Балухто,А.И. Галушкина. М.: Радиотехника. 2007.
  2. Хайкин С., Нейронные сети: полный курс. М.: Вильямс. 2006.
  3. Галушкин А.И. Нейрокомпьютеры. М.: Радиотехника. 2002.
  4. Галушкин А. И. Теория нейронных сетей. М.: Радиотехника. 2000.
  5. Atkins, C. B., Bouman, C. A., and Allebach J.P., Optimal image scaling using pixel classification // In IEEE International Conference on Image Processing. V. 3. P. 864-867. September 2001.
  6. Staelin, C., Greig, D., Fischer, M., Maurer, Ron Neural Network Image Scaling Using Spatial Errors. TechnicalReportHPL-2003-26R1 20031110.
  7. Скрибцов П. В., Долгополов А. В. Нейросетевая фильтрация и увеличение цифровых изображений // Труды 9-й Междунар. конф. «ЦифроваяОбработкаСигналовиПрименения (DSPA-07). М.: ИПУ. Март 28-30. 2007.
  8. Huang, G.-B. and Siew, C.-K., Extreme Learning Machine: RBF Network Case // Proceedings of the Eighth International Conference on Control, Automation, Robotics and Vision (ICARCV-2004). Dec 6-9, Kunming, China.
  9. Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Real-Time Learning Capability of Neural Networks // IEEE Transactions on Neural Networks. 2006. V. 17. № 4. P. 863-878. (Technical Report ICIS/45/2003).
  10. Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Extreme Learning Machine: Theory and Applications // Neurocomputing. 2006. V. 70. P. 489-501. (Technical ReportICIS/03/2004).
  11. Huang, G.-B., Wang, D. H., and Lan, Y.,Extreme Learning Machines: A Survey // International Journal of Machine Leaning and Cybernetics. 2011. V. 2. № 2. P. 107-122.
  12. Rajesh, R., Siva Prakash, J., Extreme Learning Machines - A Review and State-of-the-art // International journal of wisdom based computing. 2011. V. 1(1).
  13. Xiaoliang Tang, Min Han, Partial Lanczos extreme learning machine for single-output regression problems // Neurocomputing. 2009. V. 72. P. 3066-3076.
  14. Swingler, K., Applying Neural Networks. ApracticalGuide: пер. Ю. П. Маслобоева/ http://matlab.exponenta.ru/neuralnetwork/book4/index.php.
  15. Воронцов К. В. Лекции по алгоритмам восстановления регрессии: http://www.ccas.ru/voron/download/Regression.pdf.