1. Наука
  2. Видання
  3. Системи обробки інформації
  4. 7(132)'2015
  5. Двошаровий персептрон для класифікації масштабованих об’єктів з поворотом і зсувом за генеральної сукупності з 26 класів з монохромних зображень формату 60-на-80 за допомогою навчання на масштабованих зображеннях з поворотом і зсувом при піксельних спотвор

Двошаровий персептрон для класифікації масштабованих об’єктів з поворотом і зсувом за генеральної сукупності з 26 класів з монохромних зображень формату 60-на-80 за допомогою навчання на масштабованих зображеннях з поворотом і зсувом при піксельних спотвор

В. В. Романюк
Анотації на мовах:

Випробовується двошаровий персептрон на свою ідентифікацію для класифікації різноманітно спотворених об’єктів. Двошаровий персептрон моделюється, навчається та тестується у середовищі MATLAB. Збільшивши число проходів до 280 для навчання на масштабованих зображеннях з поворотом і зсувом та з піксельним спотворенням, продуктивність персептрона покращується як для виключно масштабованих зображень з поворотом і зсувом, так і для масштабованих зображень з поворотом і зсувом та з піксельними спотвореннями, де зображення з піксельними спотвореннями класифікуються так чи інакше відмінно. Зрештою, оскільки неокогнітрон за тієї самої конфігурації MATLAB й операційної системи є у багато разів повільнішим, то стверджується, що двошаровий персептрон здатний замінити неокогнітрон для класифікації різноманітно спотворених об’єктів, потребуючи незвично довшого процесу навчання та специфічного відношення для типів спотворення, що залежить від типу об’єкта.
Ключові слова: класифікація різноманітно спотворених об’єктів, неокогнітрон, двошаровий персептрон, монохромне зображення, піксельні спотворення, навчальна вибірка, відсотковий рівень помилок класифікації