Діагностична система на базі автоенкодерів

Автор(и)

  • V. M. Sineglazov Національний авіаційний університет, Київ, Україна
  • S. V. Kostiuchenko Національний авіаційний університет, Київ, Україна

DOI:

https://doi.org/10.18372/1990-5548.55.12771

Ключові слова:

Зображення, розпізнавання, автоенкодер, нейронна мережа, шар, згорткова, персептрон, навчання

Анотація

Розглянуто проблему обробки зображень, яка використовується в діагностичних системах, коли необхідно обробляти результати ультразвуку, комп’ютерна томографія та магнітно-резонансна томографія. Для вирішення цієї проблеми часто використовуються штучні нейронні мережі, особливо згорткові нейронні мережі. Розглянуто структуру згорткових нейронних мереж, особливо типи шарів. У роботі проаналізовано створення згорткових нейронних мереж на базі автоенкодерів. Розглянуто особливості такої нейронної мережі, алгоритм навчання та важливі параметри, що визначають якість функції обробки зображень. Можливе поліпшення такої топології можливе за допомогою обмеженої машини Больцмана, яку можна використовувати для попереднього навчання.

Біографії авторів

V. M. Sineglazov, Національний авіаційний університет, Київ, Україна

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Доктор технічних наук. Професор

S. V. Kostiuchenko, Національний авіаційний університет, Київ, Україна

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Бакалавр

Посилання

Dumitru Erhan, Yoshua Bengio, Aaron Courville, Pierre-Antoine Manzagol, Pascal Vincent, and SamyBengio, “Why does unsupervised pre-training help deep learning,” Journal of Machine Learning Research, 11:625-660, February 2010.

D. Lowe, “Object recognition from local scale-invariant features,” in The Proceedings of the Seventh IEEE International Conference on Computer Vision, vol. 2, 1999, pp. 1150–1157.

T. Serre, L. Wolf, , and T. Poggio, “Object recognition with features inspired by visual cortex,” in Proc. of Computer Vision and Pattern Recognition Conference, 2007.

Tim Morris. Computer vision and image processing. Palgrave Macmillan, 2004.

Yann Lecun and Corinna Cortes, The MNIST database of handwritten digits.

Yann Lecun, Leon Bottou, Yoshua Bengio, and Patrick Haffner, “Gradient-based learning applied to document recognition,” in Proceedings of the IEEE, 1998, pp. 2278–2324.

Downloads

Як цитувати

Sineglazov, V. M., & Kostiuchenko, S. V. (2018). Діагностична система на базі автоенкодерів. Електроніка та системи управління, 1(55), 23–28. https://doi.org/10.18372/1990-5548.55.12771

Номер

Том 1 № 55 (2018)

Розділ

ТЕОРІЯ ТА МЕТОДИ ОБРОБЛЕННЯ СИГНАЛІВ

Ліцензія

Науковий журнал "Електроніка та системи управління" 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 ""Електроніка та системи управління":

  • 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.