NAU Harvester System
Нейронні мережеві технології для розпізнавання символів
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Нейронні мережеві технології для розпізнавання символів
NEURAL NETWORK TECHNOLOGIES FOR RECOGNITION CHARACTERS Нейронные сетевые технологии для распознавания символов |
|
| Creator |
Kucherov, D. P.; Національний авіаційний університет
Ohirko, I. V.; Технологічно-гуманітарний університет імені Казимира Пулавського Ogirko, O. I.; Львівський державний університет внутрішніх справ Golenkovskaya, T. I.; Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України |
|
| Subject |
нейронні мережі; навчання; градієнтний підхід; алгоритм Левенберга–Марквардта; синтетичне зображення
UDC 004.93'12 Neural networks; learning; gradient; Levenberg–Marquardt method; synthetic image UDC 004.93'12 нейронные сети; обучение; градиентный подход; алгоритм Левенберга–Марквардта; синтетическое изображение UDC 004.93'12 |
|
| Description |
Розглянуто процес моделювання нейронних мереж для задачі розпізнавання буквених символів. Навчання розпізнаванню проводиться на обмеженому наборі синтетичних символів. Для цього передбачається нейроннамережа, що складається з двох шарів, один їх них прихований, другий вихідний. Вивчено збіжність трьох алгоритмів навчання: алгоритм пакетного коригування ваг і зміщень, градієнтний і алгоритм, заснований на обчисленні матриці Якобі функцій ваг. Надано рекомендації з установки початкових параметрів для набору інструментів нейронної мережі Neural Networks Toolbox програмного забезпечення Matlab для вирішення цього завдання. Експериментальні результати підтверджують висунуті припущення
The process of neural networks modeling for pattern recognized problem of printed charactersconsidered in this paper. Learning for pattern recognition preparing for a limited set of synthetic characters.It assumes the two-layer neural network training. The convergence of three learning algorithms isstudied. They are packet-based adjustment of weights and biases, the gradient, the algorithm based on thecomputation of the Jacobian function weights. The article provides recommendations for the installation ofthe initial parameters for a set of tools Neural Networks Toolbox software Matlab. Experimental results fordifferent settings customer networks given that confirms these propositions Рассмотрен процесс моделирования нейронных сетей для задачи распознавания буквенных символов. Обучение распознаванию проводится на ограниченном наборе синтетических символов. Для этого предполагается нейронная сеть, состоящая из двух слоёв, один их них скрытый, второй выходной. Изучена сходимость трёх алгоритмов обучения: алгоритм пакетной корректировки весов и смещений, градиентный и алгоритм, основанный навычислении матрицы Якоби функций весов. Предложены рекомендации по установке начальных параметров внаборе инструментов Neural Networks Toolbox программного обеспечения Matlab для решения этой задачи.Экспериментальные результаты подтверждают выдвинутые предположения |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2015-12-05
|
|
| Type |
—
— — |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ESU/article/view/9967
10.18372/1990-5548.46.9967 |
|
| Source |
Electronics and Control Systems; Том 4, № 46 (2015); 65-71
Электроника и системы управления; Том 4, № 46 (2015); 65-71 Електроніка та системи управління; Том 4, № 46 (2015); 65-71 |
|
| Language |
en
|
|