Международный
научный журнал

Гибридная модель распознавания для инвариантных и вариантных образов


A hybrid model of identification for invariant and variant patterns

Цитировать:
Жетимекова Г.Ж. Гибридная модель распознавания для инвариантных и вариантных образов // Universum: Технические науки : электрон. научн. журн. 2015. № 4-5(17). URL: http://7universum.com/ru/tech/archive/item/2156 (дата обращения: 19.06.2019).
 
Прочитать статью:

Keywords: neuron net, pattern identification, education, network architecture, hybrid model, analysis

 

АННОТАЦИЯ

В статье рассматривается гибридная модель распознавания для инвариантных и вариантных образов. Распознавание образов в известном смысле независимо от позиции, размера, яркости и ориентации в визуальном пространстве было целью обширного текущего исследования. Для достижения максимальной утилизации и гибкости, используемые методы должны быть нечувствительны к небольшим изменениям форм и обеспечивать лучшее выполнение при повторных испытаниях.

ABSTRACT

The article deals with a hybrid model of identification for invariant and variant patterns. Identification of the pattern was the goal of this extensive study, in a certain sense, regardless of position, size, brightness and orientation in visual space. To achieve maximum utilization and flexibility, used methods should be insensitive to small changes of forms and ensure the best execution in retesting.

 


Список литературы:

1.    Dony R.D., Haykin S. Image segmentation using a mixture of principal components representation // Proc. Inst. Elect. Eng.—Vis. Image Signal Processing. — 1997. — Vol. 144. — PP. 73—80.
2.    Kambhatla N., Lee T.K. Dimension reduction by local principal component analysis // Neural Comput. — 1997. — Vol. 9. — PP. 1493—1516.
3.    Kohonen T. Generalizations of the self-organizing map. — Nagoya, 1993.
4.    Kohonen T., Kaski S., Lappalainen H. Self-organized formation of various invariant-feature filters in the adaptive subspace SOM // Neural Comput. — 1997. — Vol. 9. — PP. 1321—1344.
5.    Kohonen T., Oja E., Simula O. et al. Engineering applications of the self-organizing map // Proc. IEEE. — 1996. — Vol. 84. — PP. 1358—1384.
6.    Sanger T.D. Optimal unsupervised learning in a single-layer linear feedforward neural network // Neural Networks. — 1989. — Vol. 2. — PP. 459—473.

Информация об авторах:

Жетимекова Гаухар Женисовна Zhetimekova Gauhar

старший преподаватель, Карагандинский государственный университет им. Е.А. Букетова, Казахстан, г. Караганды

Senior Lecturer, the Karaganda State University of the name of Academician E.A. Buketov, Karaganda, Kazakhstan


Читателям

Информация о журнале

Выходит с 2013 года

ISSN: 2311-5122

Св-во о регистрации СМИ: 

ЭЛ №ФС77-54434 от 17.06.2013

ПИ №ФС77-66236 от 01.07.2016

Скачать информационное письмо

Включен в перечень ВАК Республики Узбекистан

Размещается в: 

doi:

The agreement with the Russian SCI:

cyberleninka

google scholar

Ulrich's Periodicals Directory

socionet

Base

 

OpenAirediscovery

CiteFactor

Поделиться

Лицензия Creative CommonsЯндекс.Метрика© Научные журналы Universum, 2013-2019
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Непортированная.