А   Б  В  Г  Д  Е  Є  Ж  З  І  Ї  Й  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Ю  Я 


Проблема - розпізнавання - образ

Проблема розпізнавання образів (класифікації), як відомо, бере початок від спроб з'ясування механізмів відповідних процесів у людини.

У багатьох проблемах розпізнавання образів образи різних класів настільки перемішані між собою, що для їх поділу на категорії доводиться використовувати нелінійні методи. Тому спільне завдання класифікації доцільно розділити на дві частини, перша з яких зводиться до такому спрощенню спільної справи, яке дозволяє вирішити другу частину. Таким чином, першочергове завдання відбору ознак полягає в зменшенні розмірності без шкоди для поділу. При належному та ефективному відборі ознак розмірність оброблюваних даних знижується до такого рівня, на якому не так важко брати ту чи іншу розподільчу функцію.

У чому полягає проблема розпізнавання образів.

Однак через складність проблеми розпізнавання образів основні дослідження в цій області були зосереджені на більш реальних задачах, таких як розпізнавання букв латинського алфавіту і класифікація кривих. Завданням цієї книги є розгляд математичних моделей такого роду практичних завдань і виклад основних математичних методів їх вирішення. Незважаючи на те що в літературі запропоновано багато підходів для опису і більш складних процесів прийняття рішень, аналіз цих підходів лежить поза колом питань, порушених у цій книзі. 
Розділ кібернетики, що вивчає проблеми розпізнавання образів.

У дослідженнях, присвячених проблемі розпізнавання образів, продовжує обговорюватися питання про найбільш доцільних, економічних способах реалізації цього процесу. Порівнюються, зокрема, способи звірення по стандартам і по складним ознаками; при цьому деякі автори звертаю. Однак в ряді випадків при такому порівнянні не враховується те, яку кількість одиниць висунутого, сприйманого матеріалу людина повинен ідентифікувати при цих двох способах пізнання.

Теорія розпізнавання тісно пов'язана з проблемою розпізнавання образів, що вивчається в кібернетиці.

Лінгвістичний (структурний) підхід до проблеми розпізнавання образів.

В останні роки велика увага приділяється проблемам візуального розпізнавання образів, і велика частина наведених в даній статті прикладів взята з цієї області.

Завдання диференціальної діагностики може вирішуватися в рамках проблеми розпізнавання образів, і в даній роботі для прийняття рішення застосовуються методи і засоби, характерні для цієї проблеми.

Особлива увага в дослідженнях по машинному інтелекту приділяється проблемі розпізнавання образів. Найбільш розвиненими в робототехніці є методи розпізнавання зорових образів.

У Радянському Союзі теоретичні та прикладні роботи з проблеми розпізнавання образів успішно ведуться в науково-дослідних інститутах Академії Наук - Інституті проблем передачі інформації, Інституті автоматики і телемеханіки, київському Інституті кібернетики.

У цьому розділі ми розглядаємо виявлення і діагностику неполадок як проблему розпізнавання образів. Спочатку пояснюється, що таке образ, потім описуються три загальних методу для класифікації і аналізу образів: 1) словники неполадок; 2) кластерний аналіз і 3) аналіз шумів і вібрацій. Кожен із зазначених методів грає свою певну роль при діагностуванні неполадок, істотно відрізняючись від тих методів, які обговорювалися в попередніх розділах.

Просторова фільтрація широко використовується для вирішення завдань, пов'язаних з проблемою розпізнавання образів.

Інтелектуальні системи на основі штучних нейронних мереж (ІНС) дозволяють з успіхом вирішувати проблеми розпізнавання образів, виконання прогнозів, оптимізації, асоціативної пам'яті і управління.

При навчанні розпізнаванню образів відомі деякі т зображень і їх приналежність образу. Проблема розпізнавання образів полягає в тому, щоб по тренувальній послідовності побудувати алгоритм, який визначає значення у для будь-якого набору з області визначення функції.

Розпізнає система на підставі даних про процес і зовнішніх впливів на цей процес оцінює виробничу ситуацію і видає команди на управління процесом. З проблемою розпізнавання образів тісно пов'язана проблема створення навчаються автоматів, які повинні вміти оцінювати ситуацію, що склалася і на підставі цього ухвалювати оптимальне рішення. Тому велика частина завдань з навчання автоматів може бути зведена до завдань навчання розпізнавання образів.

Є багато дійсно серйозних, по-справжньому захоплюючих проблем, над якими працюють зараз тисячі вчених. Це - і проблема розпізнавання образу, і обробка інформації, лінгвістичні проблеми та багато інших.

Ефективність вирішення задачі розпізнавання в кінцевому рахунку визначається тим, наскільки ефективно організовано навчання розпізнає пристрої процедурі класифікації. Тому основна увага в проблемі розпізнавання образів приділяється завданню адаптації розпізнавання.

Видається логічним вивчення архітектур, відповідних нашому розумінню організації і функцій мозку. Людський мозок являє існуючий доказ того факту, що вирішення проблеми розпізнавання образів можливо. Здається розумним емулювати роботу мозку, якщо ми хочемо повторити його роботу. Однак контраргументом є історія польотів; людина не змогла відірватися від землі до тих пір, поки не перестав імітувати рухи крил і політ птахів.

Використання топографічних принципів дозволяє створити найбільш швидкодіючу і саму ємну машинну пам'ять. Голограмних пам'ять розшукує потрібну інформацію за законами асоціації, що властиво людській пам'яті. Голографія може вирішити проблему розпізнавання образів, над якої багато років б'ються кібернетики. Якщо голограмі пред'явити групу предметів, вона миттєво відповість (шляхом ототожнення) на ті з них, зображення яких вона зберігає. Причому, чим складніше предмет, тим надійніше голограма дізнається його.

У четвертому розділі викладаються основи теорії дискретних систем, що самоорганізуються. Визначається кількісна міра самоорганізації і самонавчання, досліджується поведінка випадкових автоматів і автоматів, що працюють в умовах випадкових зовнішніх впливів. Особливе місце приділяється проблемі розпізнавання образів і теорії одного класу пристроїв (так званих а-персептронов), призначених для вирішення цієї проблеми. Розглядаються деякі питання моделювання умовних рефлексів, а також процесів адаптації розпізнавання сенсу і вироблення нових понять.

На рис. 1211 представлений приклад, в якому в якості способу обрана велика літера А. Неважко бачити, що при збереженні відповідної ємності пам'яті вже після кількох релаксаційних кроків з сильно спотворених шумами букв виникає чіткий образ, спочатку записаний в пам'яті. Саме в цьому і полягає взаємозв'язок між асоціативної пам'яттю викладеного вище типу і проблемою розпізнавання образу. В даний час не існує точних уявлень щодо того, яким чином можна було б узагальнити і розширити викладену вище модель асоціативної пам'яті на основі спінових стекол, щоб вона була застосовна і до складної проблеми розпізнання повернутих або зрушених образів. Як показує приклад зображення на рис. 1211 буква А, перевернута догори ногами, не була б розпізнана, так як навіть зміщення неспотвореного образу на кілька вузлів решітки (растра) перетворює його розпізнавання в проблему, вирішення якої виходить за рамки асоціативних можливостей моделі Хопфідда. Майбутнє покаже, чи вдасться вирішити і цей клас проблем за допомогою асоціативних запам'ятовуючих пристроїв.

Складність екологічних проблем вимагає обробки великих масивів даних. Необхідні дослідження, спрямовані на полегшення інтерпретації і розумного використання накопиченої інформації. Істотну допомогу в цьому можуть надати роботи в галузі штучного інтелекту, пов'язані з проблемою розпізнавання образів. Новітні досягнення мікропроцесорної і мікрокомп'ютерної техніки починають використовуватися при конструюванні розумних вимірювальних приладів. Необхідно звернути увагу на організацію, накопичення і збір даних про навколишнє середовище.

Як бачимо, поняття симетрії набуває воістину глобальний сенс. Втім, можна піти ще далі і звернути увагу на те, що, за великим рахунком, ми маємо справу з симетрією щоразу, коли вирішуємо проблему розпізнавання образів, проблему діагностики.

Розпізнавання образів є однією з форм обробки інформації, що надходить від системи або об'єкта. Класи характеризуються тим, що належні їм об'єкти володіють деякою спільністю (подібністю), наприклад характеризуються однаковою структурою функціонального оператора. Те загальне, що об'єднує об'єкти в клас, прийнято називати чином. До задачі побудови математичного опису об'єкта або системи з точки зору проблеми розпізнавання образів можна підходити двояко. Один з підходів полягає в тому, що в якості способу, який необхідно пізнати, виступає сам функціональний оператор ФХС. З іншого боку, замість функціонального оператора Ф будується кібернетичне розпізнає пристрій, який прогнозує поведінку системи так само, як це робив би відповідний функціональний оператор.

Зі сказаного вище очевидно, що існує безліч алгоритмів виділення ознак в процесі попередньої обробки інформації; яке безперервно і швидко росте, оскільки вибір способів вирішення конкретного завдання в великій мірі обумовлений характером самого завдання. Успіх всього дослідження з проблеми розпізнавання образів визначається тим, наскільки вдало виконаний етап виділення ознак. Загальне визнання отримала точка зору, згідно з якою нових великих досягнень в цій області слід очікувати саме на стадії виділення ознак при попередній обробці інформації.

Я особисто вважаю, що таке трактування дає сучасного фахівця з кібернетики ключ до більш глибокого дослідження проблеми пам'яті, яка розглядається в цій книзі в іншому розділі. Далі, хоча Лейбніца не вдалося створити релятивістську логіку, його філософські погляди на проблему сприйняття (що є одним з найважливіших питань кібернетики) приблизно на три століття випередили його епоху. Адже тільки з появою робіт Уайтхеда (Whitehead) в нашому столітті був обгрунтований погляд, що деякий об'єкт, що не володіє сам по собі свідомістю, в змозі реагувати в певному сенсі на пов'язані з ним події. Нарешті, особливо характерно те, що в своїх дослідженнях всіх цих зв'язків Лейбніц стояв на принципових позиціях теорії дослідження операцій. Він набагато менше цікавився причинно-наслідковим тлумаченням зв'язків, ніж динамічним, і вважав, що частина є виразом цілого, а не просто міститься в ньому. Такий підхід добре узгоджується з гештальт-проблемами в сучасній психології, з підходом до вирішення всіх завдань промислової кібернетики з позицій органічної єдності, а також з сучасними кібернетичними дослідженнями проблеми розпізнавання образів.