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.

##submission.downloads##

Номер

Том 1 № 55 (2018)

Розділ

ТЕОРІЯ ТА МЕТОДИ ОБРОБЛЕННЯ СИГНАЛІВ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).