60 Распознавание образов. Основные методы.

Распознавание – это отнесение конкретного объекта (реализа¬ции), представленного значениями его свойств (признаков), к одному из фиксированного перечня образов (классов) по определённому решающему правилу в соответствии с поставленной целью.

Распознавание может осуществляться любой системой (живой или неживой), выполняющей следующие функции: измерение значений признаков, производство вычислений, реализующих решающее правило. При этом перечень образов, информативных признаков и решающие правила либо задаются распознающей системе извне, либо формируются самой системой. Вспомогательная, но важная функция распознающих систем – оценка риска потерь.

1, Детерминистские методы решения задач распознавания

Метод построения эталонов

Метод дробящихся эталонов

Метод ближайших соседей

Метод потенциальных функций

Структурные (лингвистические) методы

Кластерный анализ

2. Статистические методы распознавания

Метод ближайших соседей

Метод максимума правдоподобия

Аппроксимационный метод оценки распределений по выборке

61)Нейронные сети. Однослойные сети.

Нейронные сети - вычислительные модели, принцип функционирования которых сходен с сетями биологических нейронов головного мозга. Благодаря заимствованию принципов организации у биологических структур мозга, нейросети демонстрируют многие их свойства, такие как обучение на основе предыдущего опыта, извлечение существенных свойств из поступающей

информации, обобщение имеющихся прецедентов на новые случаи. Возможности, предоставляемые нейронными сетями, были использованы для решения задач распознавания и классификации образов во множестве исследований и прикладных разработок.

Один нейрон способен выполнять простейшие процедуры распознавания. Он позволяет выполнять линейное разделение параметрического пространства на два класса. Для достижения возможности разделения пространства на большее количество классов необходимо одновременное функционирование нескольких нейронов, соединённых в сеть. Простейшая сеть состоит из группы нейронов, образующих слой.

62) Нейронные сети. Многослойные сети.

нейронные сети - вычислительные модели, принцип функционирования которых сходен с сетями биологических нейронов головного мозга. Благодаря заимствованию принципов организации у биологических структур мозга, нейросети демонстрируют многие их свойства, такие как

обучение на основе предыдущего опыта, извлечение существенных свойств из поступающей информации, обобщение имеющихся прецедентов на новые случаи. Возможности, предоставляемые нейронными сетями, были использованы для решения задач распознавания и классификации образов во множестве исследований и прикладных разработок.

Более крупные и сложные нейронные сети обладают, как правило, и большими вычислительными возможностями. Хотя созданы сети всех конфигураций, какие только можно себе представить, послойная организация нейронов копирует слоистые структуры определенных отделов мозга. Оказалось, что такие многослойные сети обладают большими возможностями, чем однослойные; были разработаны алгоритмы для их обучения.

В многослойной нейронной сети, по сравнению с однослойной, присутствует один или более дополнительных слоёв нейронов. Причём входы каждого нейрона в следующем слое соединены взвешенными связями с выходами всех нейронов в предыдущем слое. Последний слой, как правило, называют выходным слоем, а все слои между входным и выходным —скрытыми.

Многослойные сети могут привести к увеличению вычислительной мощности по сравнению с однослойной сетью лишь в том случае, если активационная функция между слоями будет нелинейной.