Распознавание последовательных образов на нейрологических сетях

Л.А. Станкевич; В.А. Ефремов

Распознавание последовательных образов на нейрологических сетях

Л.А. Станкевич¹, В.А. Ефремов²

научная статья Страницы: 52-58

¹ к.т.н., профессор, факультет технической кибернетики, Санкт-Петербургский государственный политехнический университет
² аспирант, факультет технической кибернетики, Санкт-Петербургский государственный политехнический университет

Ключевые слова: кластеризация распознавание последовательные образы нейрологические сети ситуацииия

Аннотация

Рассмотрена задача распознавания последовательных образов; предложены варианты нейрологических сетей, построенных на модулях с сеточной и кластерной моделями активаторов, для решения задачи распознавания последовательных образов; показано, что при решении этой задачи нейрологические сети более эффективны, чем традиционные нейронные сети; проведен эксперимент по кластеризации и распознаванию ситуаций, представленных группами последовательных сцен, показывающих целенаправленные действия оператора; в результате эксперимента определены настроечные параметры нейрологической сети, позволяющие получить наилучшие результаты распознавания ситуаций.

Для цитирования

Станкевич Л.А., Ефремов В.А. Распознавание последовательных образов на нейрологических сетях // Нейрокомпьютеры: разработка, применение. 2010. № 2. С. 52–58.

Список источников

Станкевич Л.А. Нейрологические средства систем управления роботов. Научная сессия МИФИ-2004. VI ВсероссийскаяНТК «Нейроинформатика-2004»: Лекции по нейроинформатике. Ч. 2. -М.: МИФИ. 2004. С. 57-110.
Agrawal R. and Srikant R., Mining Sequential Patterns // International Conference on Data Engineering (ICDE 95). 1995. Р. 3-14.
Antunes C. and Oliveira A.L., Generalization of Pattern-Growth Methods for Sequential Pattern Mining with Gap Constraints // International Conference on Machine Learning and Data Mining. 2003. Р. 239-251.
Dietterich T.G. and MichalskiR.S., Discovering pattern in sequences of events // Artificial Intelligence. 1985. V. 25. P. 187-232.
JelinekF., Continuous Speech Recognition by Statistical Methods // Proceedings of IEEE. April 1976. V. 64. P. 532-556.
Waibel A., Hanasava T., Hinton G., and Shikano K., Phoneme Recognition Using Time-Delay Neural Network // IEEE Transaction on Acoustics, Speech, and Signal Processing. March 1989. V. 37. No. 3.
Waterman M.(editor), Mathematical Methods for DNA Sequence Analysis. CRC Press. 1989.

[1] Станкевич Л.А. Нейрологические средства систем управления роботов. Научная сессия МИФИ-2004. VI ВсероссийскаяНТК «Нейроинформатика-2004»: Лекции по нейроинформатике. Ч. 2. -М.: МИФИ. 2004. С. 57-110.

[2] Agrawal R. and Srikant R., Mining Sequential Patterns // International Conference on Data Engineering (ICDE 95). 1995. Р. 3-14.

[3] Antunes C. and Oliveira A.L., Generalization of Pattern-Growth Methods for Sequential Pattern Mining with Gap Constraints // International Conference on Machine Learning and Data Mining. 2003. Р. 239-251.

[4] Dietterich T.G. and MichalskiR.S., Discovering pattern in sequences of events // Artificial Intelligence. 1985. V. 25. P. 187-232.

[5] JelinekF., Continuous Speech Recognition by Statistical Methods // Proceedings of IEEE. April 1976. V. 64. P. 532-556.

[6] Waibel A., Hanasava T., Hinton G., and Shikano K., Phoneme Recognition Using Time-Delay Neural Network // IEEE Transaction on Acoustics, Speech, and Signal Processing. March 1989. V. 37. No. 3.

[7] Waterman M.(editor), Mathematical Methods for DNA Sequence Analysis. CRC Press. 1989.

Аннотация

Для цитирования

Похожие статьи