В рамках непараметрического метода функционально-статистических испытаний предложен алгоритм оптимизации в информационном смысле параметров обучения. На примере построения разделяющей гиперповерхности для класса распознавания дана оценка допустимости, наблюдаемости рабочей области значений информационного критерия функциональной эффективности.

Установлена аналитическая связь между информационным критерием функциональной эффективности обучающейся системы распознавания и стандартным интегральным показателем надежности - коэффициентом сохранения эффективности функции. Для предложенной конструкции показателя надежности рассмотрен вычислительный аспект.

Предложен метод оценки фокусности растрового изображения, основанный на использовании в качестве информационных признаков максимума градиента распределения яркости на рецепторном поле изображения и уровень яркости, вычисленный как частный случай лапласиана и соответствующий 5% уровню функции распределения градиента яркости. Алгоритм решения задачи реализован в среде MS DevStudio Visual C++ 5.0. Проведен компьютерный эксперимент по автофокусировке, моделирующий работу растрового микроскопа.

Предложено использовать в качестве одномерной статистической характеристики выборочной последовательности порядковую статистику, имеющую распределение Пирсона, которое обладает статистической устойчивостью для широкого семейства законов распределения. При этом корректно доказанные теоремы позволяют оценить границы вариационного ряда статистик, условия расширения блоков данного ряда и значения статистик при изменении числа "успехов" в испытаниях по простой схеме Бернулли.

Індекс рубрикатора НБУВ: З970.54

Рубрики:

Системи розпізнавання образів

Шифр НБУВ: Ж69231 Пошук видання у каталогах НБУВ 

Розкрито суть понять класифікаційного аналізу даних, статистичної теорії прийняття рішень. Наведено їх основні статистичні та інформаційні характеристики, а також закони розподілу математичного сподівання та дисперсії. Висвітлено проблему оцінки функціональної ефективної системи прийняття та підтримки рішень (СППР). Розглянуто питання інформаційного синтезу як оцінку функціональної ефективності СППР, яка зводиться до оцінки інформаційної здатності системи. Проаналізовано особливості обчислення інформаційного критерію функціональної ефективності в процесі навчання СППР.

Раскрыто содержание понятий классификационного анализа данных, статистической теории принятия решений. Приведены их статистические и информационные характеристики, а также законы распределения математического ожидания и дисперсии. Освещена проблема оценки функциональной эффективности системы принятия решений (СППР). Рассмотрен вопрос информационного синтеза как оценка функциональной эффективности СППР, сводящейся к оценке информационной способности системы. Проанализированы особенности вычисления информационного критерия функциональной эффективности в процессе обучения СППР.

На підставі аналізу сучасного стану методів проектування та автоматичної класифікації розглянуто особливості постановки задачі інформаційного синтезу здатних навчатися (самонавчатися) інтелектуальних систем керування. Викладено методологічні та теоретичні положення інформаційно-екстремального методу функціонально-статистичних випробувань (МФСВ), який грунтується на прямій оцінці інформаційної спроможності інтелектуальної системи. Проаналізовано особливості застосування МФСВ для автоматичної класифікації об'єктів різної природи.

На основе анализа современного состояния методов проектирования и автоматической классификации рассмотрены особенности постановки задачи информационного синтеза способных обучаться (самообучаться) интеллектуальных систем управления. Изложены методологические и теоретические положения информационно-экстремального метода функционально-статистических испытаний (МФСИ), основывающегося на прямой оценке информационной способности интеллектуальных явлений. Проанализированы особенности применения МФСИ для автоматической классификации объектов различной природы.

Розглянуто визначення мінімального обсягу репрезентативної навчальної вибірки за умов одержання прийнятних на практиці статистичної погрішності й оперативності формування навчальної матриці та реалізації алгоритму навчання за екстремально-інформаційним методом функціонально-статистичних випробувань.

На прикладі задачі автофокусування електронного мікроскопа, розглянуто визначення оптимальної в інформаційному сенсі області значень параметрів настроювання в межах методу функціонально-статистичних випробувань.

Розглянуто ідентифікацію кадрів у рамках екстремально-статистичного методу функціонально-статистичних випробувань, що грунтується на прямій оцінці різноманітності образів.

Розглянуто проблему класифікаційного настроювання складної системи й алгоритм її розв'язання в межах методу функціонально-статистичних випробувань, який грунтується на оцінці інформаційної здатності системи автоматичного настроювання.

Запропоновано в межах методу функціонально-статистичних випробувань алгоритм навчання, який в інформаційному сенсі дозволяє оптимізувати параметри навчання та крок квантування в часі реалізацій образу на вході системи прийняття та підтримки рішень.

Розглянуто застосування інформаційно-екстремального методу функціонально-статистичних випробувань (МФСВ) для оптимізації параметрів навчання інтелектуальної системи керування виробництвом складних мінеральніх добрив. Досліджено в межах МФСВ алгоритм послідовної оптимізації контрольних допусків на ознаки розпізнавання.

Запропоновано формули для обчислення парного та множинного коефіцієнтів перетину класів розпізнавання в межах методу функціонально-статистичних випробувань і встановлено їх залежність від точнісних характеристик процесу навчання.

У рамках методу функціонально-статистичних випробувань (МФСВ) синтезовано ієрархію категорійних моделей та відповідних алгоритмів автоматичної класифікації, що дозволяють оптимізувати просторово-часові параметри функціонування нечіткого регулятора системи керування (СК), що навчається, з метою максимізації асимптотичної повної достовірності вирішального правила. Розглянуто вплив просторово-часових параметрів на функціональну ефективність СК, що навчається. У рамках МФСВ доведено можливість цілеспрямованої трансформації у процесі навчання нечіткого розбиття простору ознак на класи розпізнавання в чітке розбиття та адаптації вхідного математичного опису нечіткого регулятора, що забезпечує побудову безпомилкового за навчальною вибіркою вирішального правила. Розроблено нові засоби інформаційної технології моделювання, оцінки функціональної ефективності та проектування нечітких регуляторів СК, що навчається.

У межах методу функціонально-статистичних випробувань, що грунтується на оцінці інформаційної здатності системи, запропоновано підхід до інформаційного (точнісного) синтезу системи підтримки і ухвалення рішень, що має властивість навчатися і є складовою частиною інтелектуалізованої системи контролю і управління.

У межах методу функціонально-статистичних випробувань, який грунтується на оцінці інформаційної здатності системи, розглянуто підхід до інформаційного (точнісного) синтезу інтелектуальної системи контролю та керування, що самонавчається.