Распознавание цифр методом нейросетевого моделирования
ВВЕДЕНИЕ
С момента своего появления искусственные нейронные сети (ИНС) используются как для решения различных прикладных задач, так и для изучения возможных правил функционирования мозга. ИНС успешно применяются в широчайшем спектре приложений, таких как распознавание образов, прогнозирование, выявление зависимостей, сжатие данных, задачи управления и многие другие. Одно из важных направлений практического применения ИНС – задачи распознавания.В современном мире распознавание образов находит все большее применение в повседневной жизни людей. Методы и алгоритмы теории распознавания широко применяются в медицине (диагностика медицинских снимков), геологии (изучение природных ресурсов Земли), робототехнике (зрение роботов), астрономии, при анализах изображений, идентификации человека, автоматическом проектировании и т.д.В связи с вышеизложенным, тема курсовой работы направлена на изучение и разработку модели нейронной сети, распознающей образы, а именно – цифры.
СОДЕРЖАНИЕ
Введение………………………………………………………..……………….…4
Постановка задачи…………………………………………..…………..……...5
Принципы распознавания образов………...………………..……………..…..6
Система распознавания образов……………………….………….............8
Задача классификации образов………………………...………………...10
Нейронные сети………………...………. ……………………………............12
Краткая история ИНС…………………………………...………………..12
Искусственный нейрон………...…………………………………….…...13
Перцептрон…………..………………………………………….16
Функции активации….…………………………………………19
Архитектуры нейронных сетей...………………………………………..20
Методы обучения нейронных сетей…..…………………………………23
Распознавание цифр методом нейросетевого моделирования……...……..26
Разбор поставленной задачи ……..…………...............………………..26
Заключение……………………………………………………………………….29
Список использованных источников…………………………………………...30
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
Принципы распознавания образов / Дж. Ту, Р. Гонсалес – М.: Мир, 1978. – 16-21 с.
Зеленцов И.А. Распознавание образов. Обзорная лекция. URL: http://it-claim.ru/Persons/Zelencov/Lection_presentation.pdf (дата обращения 4.12.2018)
Bishop, C.M. Neural Networks for Pattern Recognition – Oxford University Press
Mc Culloch W.C. H. A Logical Calculus of Ideas Immanent in Nervous Activity. / W. С. Mc Culloch, W. H. Pitts. // Bulletin of Mathematical Biophysics. – 1943/ - Vol. 5. – P. 115-119.
Розенблатт Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. / Ф. Розенблатт. – М.: Мир, 1965. –480 с.
Кулянин Е. М. Нейронные сети: история развития и перспективы применения // Научно-методический электронный журнал «Концепт». – 2015. – Т. 13. – С. 2646–2650. – URL: http://e-koncept.ru/2015/85530.htmМоскалев Н. С. Виды архитектур нейронных сетей // Молодой ученый. — 2016. — №29. — С. 30-34. — URL https://moluch.ru/archive/133/37121/ (дата обращения: 17.12.2018).
Хайкин С. Нейронные сети. Москва, издательский дом Вильямс, 2008.
Основным свойством живых организмов считается способность «распознавать», т.е. выявлять в потоке информации, которая поступает от органов чувств, определенные объекты, закономерности и явления. Образ представляет собой описание объекта. Во время нашего бодрствования мы ежесекундно совершаем акты распознавания. Мы распознаем окружающие нас образы и, в соответствии с этими образами, мы перемещаемся и совершаем определенные действия. Без особого труда мы можем заметить в толпе знакомого нам человека и разобрать, что он говорит, можем узнать голос друга, прочитать напечатанный или рукописный текст и идентифицировать отпечатки пальцев, можем отличить злобную гримасу от улыбки. Человек представляет собой неимоверно сложную информационную систему – в некоторой степени это определяется крайне развитыми способностями человека распознавать образы.Распознавание человеком конкретных образов можно рассматривать как психофизиологическую задачу, связанную с процессом взаимодействия индивида с определенным физическим раздражителям. Фактически, распознавание человеком образов основывается на схожести однотипных объектов. То есть распознавание сводится к оценке относительных шансов на то, что исходные данные соответствуют тому или иному из известных множеств статистических совокупностей, определяющихся прошлым опытом человека и предоставляющих ориентиры и априорную информацию для распознавания. Таким образом, задачу распознавания образов можно приравнять к задаче определения различий между исходными данными причем не с помощью отождествления с отдельными образами, а с их совокупностями; последнее осуществляется при помощи поиска признаков (инвариантных свойств) на множестве объектов, образующих определенную совокупность.