ПОДАННЯ БАГАТОМІРНОГО РОЗПОДІЛУ ІМОВІРНОСТЕЙ БІНАРНИХ ОЗНАК В СИСТЕМАХ РОЗПІЗНАВАННЯ ОБ’ЄКТІВ

Автор(и)

  • Блавацька Наталія Миколаївна Кафедра УІАЗ ОСД центру стратегічних комунікацій Навчально-наукового інституту інформаційної безпеки та стратегічних комунікацій Національної академії СБ України https://orcid.org/0000-0003-2247-8008
  • Козюра Валерій Дмитрович Кафедра ТЗІ центру кібербезпеки Навчально-наукового інституту інформаційної безпеки та стратегічних комунікацій Національної академії СБ України https://orcid.org/0000-0002-4769-448X

DOI:

https://doi.org/10.18372/2410-7840.25.18230

Ключові слова:

системи розпізнавання, апроксимація, кореляційні зв’язки, бінарні ознаки

Анотація

У статті розглядається проблема розпізнавання об'єктів за ознаками в процесі глибокого навчання і пропонується метод апроксимації багатовимірного дискретного розподілу ймовірностей ознак для ефективного використання пам'яті пристрою. Для досягнення високої точності розпізнавання в роботі використовується уніфікований підхід, який забезпечує адекватний баланс з точністю результатів при зменшенні обсягу пам'яті, необхідної для зберігання еталонних об'єктів. Автори статті розглядають важливість врахування кореляційних зв'язків між ознаками об'єктів, які сприяють підвищенню ефективності системи розпізнавання. Вони показують, що розрахунок розподілів ймовірностей на основі обмеженої кількості параметрів може значно зменшити обсяг навчальних даних, необхідних для встановлення стандартів класів для розпізнавання. Результати роботи підкреслюють, що метод складної апроксимації може бути успішно застосований на різних типах комп'ютерів, включаючи персональні комп'ютери та спеціалізовані цифрові пристрої. Результати цього дослідження є важливими в контексті розробки та оптимізації таких систем, оскільки вони спрямовані на покращення розпізнавання об'єктів у системах глибокого навчання в умовах обмежених ресурсів пам'яті та даних.

Посилання

Ито Т., Фукусима М., Судзуки К. Статистическая тео¬рия распознавания образов. «Мицубиси дэнки гихо», 1973, т. 47 № 8, С. 881-892.

Fukunaga K. Introduction to statistical pattern recognition. Second Edition. Academic Press, Inc., Boston, San Diego, New York, London, 1990. 591 p.

Duda R.O., Hart P.E., Stork D.G. Pattern classification (2nd edition), Wiley-Interscience, New York, 2001, 738 p.

Schlesinger M.I., Hlaváč V. Ten Lectures on Statistical and Structural Pattern Recognition // Computa-tional Imaging and Vision (CIVI), vol. 24. Kluwer Academic Publishers. Dordrecht / Boston / London, 2002. 519 p.

Ivakhnenko A.G., Ivakhnenko G.A. The Review of Problems Solvable by Algorithms of the Group Method of Data Handling (GMDH), Pattern Recognition and Image Analysis, vol.5, 4, 1995. pp. 527-535.

Bahadur R.R. A representation of the joint distribu-tion of responses to n dichotomous items, in Studies in Item Analysis and Prediction, pp. 158-168, H. Solomon, ed. (Stanford University Press, Calif., 1961).

Chow C.K., Liu C.N. Approximating discrete proba-bility distributions with dependence trees, IEEE Trans. Info. Theory, IT-14, pp. 462-467 (May 1968).

##submission.downloads##

Опубліковано

2023-12-24

Як цитувати

Блавацька , Н., & Козюра, В. (2023). ПОДАННЯ БАГАТОМІРНОГО РОЗПОДІЛУ ІМОВІРНОСТЕЙ БІНАРНИХ ОЗНАК В СИСТЕМАХ РОЗПІЗНАВАННЯ ОБ’ЄКТІВ. Захист інформації, 25(4), 234–242. https://doi.org/10.18372/2410-7840.25.18230

Номер

Том 25 № 4 (2023): Захист інформації

Розділ

Статті

Ліцензія

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.