Розроблення та навчання нейронної мережі для розпізнавання символів

DOI: 10.31673/2412-9070.2020.063338

Анотація

Розглянуто питання застосування нейронних мереж для розпізнавання символів, а також проблему розроблення методів і алгоритмів синтезу нейронних мереж. Для вирішення задач оптимізації системи розпізнавання символів зазвичай застосовуються високоінтелектуальні системи на основі штучних нейронних мереж. Однак штучні нейронні мережі не завжди можуть слугувати як інструмент для розв’язання задач будь-якого типу. Вони є непридатними для виконання таких задач, як нарахування зарплатні, проте вони мають перевагу під час реалізації задач розпізнавання символів, з якими погано або взагалі не справляються звичайні персональні комп’ютери. Досліджено, що штучні нейронні мережі можуть використовуватися для прогнозного моделювання, адаптивного керування і додатків із навчанням їх за допомогою набору даних. Самонавчання на основі досвіду може відбуватися в мережах, які мають змогу робити висновки зі складного і, здавалося б, незв’язаного набору інформації. Показано застосування нейромереж для розв’язання практичних задач у галузі розпізнавання символів та їх класифікації. Встановлено, що образи можуть позначати різні за своєю природою об’єкти: символи тексту, зображення, зразки звуків. Під час навчання мережі пропонуються різні зразки образів із зазначенням класу, до якого вони належать. Після закінчення навчання мережі можна показувати невідомі їй раніше образи й одержувати від неї відповідь щодо належності до визначеного класу. Топологія такої мережі характеризується тим, що кількість нейронів у вихідному шарі зазвичай дорівнює кількості обумовлених класів. При цьому визначається відповідність між виходом нейроної мережі і класом, що він представляє. Запропоновано метод для навчання нейронної мережі, за яким особа, що керує мережею, бере особисту участь у навчанні мережі, вона сама задає еталонні зображення всіх символів, а також перекручені зображення еталонів (зашумлені копії).

Ключові слова: нейронні мережі; адаптивне керування; штучний інтелект; багаторівневі мережі; перцептрон.

Список використаної літератури
1. Боголюбов Д. П., Чанкін О. О., Стемиковська К. В. Реализація алгоритму cонавчання самоорганізуючих карт Кохонена на графічних процесорах // Проммислові АСУ і контролери. 2012. № 10. С. 30–35.
2. Вентцель Е. С. Теорія ймовірностей: підр. для вузів. 6-е вид. Москва: Вища школа, 1999. С. 12–54.
3. Генетичні алгоритми, штучні нейроні мережі і проблеми віртуальної реальності / Г. К. Вороновський, К. В. Махотило, С. Н. Петрашев, С. А. Сергєєв. Харків: ОСНОВА, 1997. С. 99–112.
4. Галушкін А. І. Теорія нейронних мереж. Москва: ІПРЖР, 2010. 348 с.
5. Складні мережі / Ю. Головач, О. Олємський, К. фон Фербер [та ін.] // Журнал фізичних досліджень. 2006. 10, № 4. С. 247–289.
6. Головкін Б. А. Машинне розпізнавання та лінійне програмування. Москва: Радянське радіо. 1973. 100 с.
7. Комашинський В. І. Смирнов Д. О. Введення до нейроінформаційних технологій. СПб, 1999. С. 33–48.
8. Месюра В. І., Ваховська Л. М. Основи проектування систем штучного інтелекту: навч. посіб. Вінниця: ВДТУ, 2000. 96 с.
9. Поліщук Д. О., Поліщук О. Д., Яджак М. С. Комплексне детерміноване оцінювання складних ієрархічно-мережних систем: Опис методики // Системні дослідження та інформаційні технології. 2015. № 1. С. 21–31.
10. Каллан Р. Основні концепції нейроних мереж = The Essence of Neural Networks First Edition. 1-е. Вильямс, 2001. С. 268–288.
11. Рутковська Д., Пилиньсикий М., Рутковський Л. Нейронні мережі, генетичні алгоритми та нечіткі системи. Москва. Гаряча лінія-Телеком, 2004. 112 с.