Распознавание образов машинами

Распознавание образов машинами [c.37]

Цели обработки могут быть разными распознавание образов, улучшение качества изображений, извлечение информации,. эффективное кодирование или машинная графика. Попытаемся показать, каким образом голографические пространственные фильтры позволяют достичь различных целей при обработке изображений. [c.50]

Для присуждения изделию той или иной категории качества или оценки его единым индексом качества могут применяться методы машинной классификации на основе теории распознавания образов, экономические критерии (в том числе интегральный показатель качества), индексные показатели качества на основе статистического анализа степени удовлетворения продукции требуемым свойствам (потребностям) в сфере эксплуатации (потребления), экспертные оценки [12] и др. [c.421]

Аналогично при имитации смешанных стратегий, где в качестве случайных параметров рассматривается удельный вес каждого способа производства в общем объеме производства промышленной продукции, также можно получить бесконечное множество смешанных стратегий. Поэтому для группировки исходных сочетаний случайных величин, полученных методами статистического моделирования, на третьем этапе методики прогнозирования ВЭР используются алгоритмы машинного распознавания образов. Решением задач теории распознавания образов является такое правило распознавания (классификации), которое соответствует экстремуму целевой функции — показателю качества распознавания (обучения). При этом правильный выбор информативных признаков, в которых сосредоточена наиболее существенная для распознавания информация, является одной из важнейших и необходимых предпосылок успешного решения задачи распознавания в целом. В данном случае полученные путем машинной имитации совокупности случайных параметров естественно интерпретировать как точки в многомерном пространстве, инфор- [c.270]

Развитию алгоритма обучения машин распознаванию образов методом обобщенного портрета способствовало отыскание системы дифференциальных уравнений, условия равновесия которых совпадают с составляющими вектора обобщенного портрета . Это дало возможность создать аналоговое вычислительное устройство для автоматического нахождения обобщенного портрета . [c.274]

К статистике, теории связи и распознаванию образов [78, 197, 206, 233, 274]. В связи с этим в книгу включен необходимый минимум сведений из математической статистики, но основное внимание обращено на особенности приложения статистических методов к анализу акустических сигналов машин. [c.12]

Задачи классификации в такой постановке являются по сути дела задачами распознавания образов [78], точнее, распознавания звуковых образов (центральная задача в этой области науки — автоматическое распознавание звуков речи) [233, 237]. Обычный подход при их решении состоит в следующем. Совокупность признаков акустического сигнала А, 2, Ап) образует так называемое изображение (и-мерный вектор), в отличие от образа, которому отвечает состояние машины или механизма, В г-мерном пространстве изображений образам соответствуют компактные области. Задача состоит в том, чтобы на основе той или иной меры сходства изображений определить эти области. Часто каждому образу ставится в соответствие эталонное изображение. Тогда исследуемое изображение сравнивается со всеми эталонами и относится к образу, чей эталон оказался ближе других в смысле выбранной меры сходства. [c.17]

Результатами решения этих задач являются сведения о динамических нагрузках в элементах и звеньях системы привода, о пиковых значениях токов, напряжений, давлений в двигателях и системах управления, т. е. о величинах, определяющих работоспособность и надежность систем сведения о точности воспроизведения заданных траекторий и положений рабочих органов сведения о временах протекания переходных процессов сведения о характере колебательных процессов и т. д. Для обработки результатов моделирования и получения на их основе простых соотношений, связывающих показатели динамического качества системы привода с конструктивными параметрами ее элементов, применяется аппарат вторичных математических моделей (ВММ). Для получения ВММ исходная математическая модель (ИММ), т. е. система уравнений движения объекта, исследуется на ЭВМ по определенному плану при различных сочетаниях параметров. Зафиксированные в машинных экспериментах результаты обрабатывают либо методами множественного регрессионного анализа, либо с помощью алгоритмов распознавания образов. В первом случае получают количественные соотношения, позволяющие определять динамические показатели системы в функции ее параметров. Во втором случае получают выражения для качественной оценки соответствия изучаемого объекта заданному комплексу технических требова- [c.95]

Существует несколько алгоритмов распознавания образов, из которых на практике был использован алгоритм, носящий название обобщенного портрета , для которого имеется программа на машине типа М-20. [c.39]

Для художественного конструирования исключительный интерес представляют вопросы восприятия и распознавания зрительных образов машин. Принципиально уже доказана возможность интегральной оценки анализатором изображений в телевидении. Изучаются аналогичные вопросы в условиях замены зрительного анализатора видеоаппаратурой, связанной с ЭВМ. Для экспериментов, связанных с проектированием и эксплуатацией ЭВМ, была изготовлена матрица — прямоугольная решетка, вложенная между рассеивающими свет стеклами. На одну сторону матрицы проецировались черно-белые изображения различных предметов, по другую ее сторону помещались испытуемые. Они наблюдали получающуюся мозаику (не цветную, а состоящую из квадратиков различных оттенков серого цвета) и угадывали, что им показывают. Меняя мас-шта б увеличения проектора и подсчитывая количество правильно угаданных предметов, можно было узнать, на сколько ячеек следует [c.14]

Одним из таких вопросов является формализованное описание задачи выбора показателей ремонтопригодности, входящих в состав существенных показателей качества машины. При решении этой задачи машина рассматривается как многомерный объект, в связи с чем задача может быть сформулирована, например, в терминах теории многомерной классификации или теории распознавания образов. Однако должного разрешения этот вопрос еще не получил. [c.357]

Изложим метод, позволяющий при некотором снижении точности во много раз уменьшить объем и время машинной реализации программ. В основу метода положено представление контура или области в поле рецепторов с помощью двоичного кода. Поле рецепторов, широко применяемое в теории распознавания образов, представляет собой прямоугольную область размерами тХп. Каждая клетка ее рассматривается [c.250]

Теоретическим фундаментом для решения основной задачи технической диагностики следует считать общую теорию распознавания образцов. Эта теория, составляющая важный раздел технической кибернетики, занимается распознаванием образов любой природы (геометрических, звуковых и т. п.), машинным распознаванием речи, печатного и рукописного текстов и т. д. Техническая диагностика изучает алгоритмы распознавания применительно к задачам диагностики, которые обычно могут рассматриваться как задачи классификации. [c.6]

Как и любая другая система распознавания образов, система виброакустической диагностики технического состояния машин и механизмов состоит из объекта исследования с набором технических состояний, подлежащих распознаванию, блоков формирования диагностических признаков и решающих правил и блока принятия решения. [c.384]

Развитие голографии и когерентной оптики открыло большие возможности и в решении проблемы распознавания. Созданы оптические вычислительные машины, допускающие обработку изображений, распознавание образов и анализ полей. В основе методов лежат операции линейной пространственной фильтрации, спектральный и корреляционный анализ. [c.138]

Широкое внедрение электронных вычислительных машин (ЭВМ), быстрое совершенствование их параметров оказывает все возрастающее влияние на современную науку и технику. Существенно расширились возможности решения задач вычислительного характера (сложных задач математической физики, построения математических моделей процессов и т. д.). Коренные изменения произошли в прикладной математике и других областях знаний, возникли новые эффективные методы численных решений (метод конечных элементов и др.). Современные ЭВМ позволяют решать логические задачи (оптимального управления, распознавания образов, постановки диагноза и т. п.). Широкое распространение получили станки с программным управлением, существенно увеличивающие производительность труда, автоматические устройства, роботы и др. Будущее развитие техники связано с автоматизированным производством, основанным на широком использовании ЭВМ, [c.671]

Роботы первого поколения (с программным управлением) применяют для обслуживания станков, прессов, печей, сварочных установок и машин вьшолнения основных технологических процессов (гибки, вальцовки, резки, сборки, сварки) погрузочно-разгрузочных и складских работ. Роботы второго поколения отличаются от роботов первого наличием чувствительных устройств (осязание, телевизионное зрение), имеют более сложное управляющее устройство. Роботы третьего поколения (интегральные роботы) в отличие от роботов второго поколения обрабатывают информацию, полз чаемую от органов чувств. Эти роботы применяют для работ, требующих распознавания образов (работа по чертежу), а также протекающих в сложных и изменяющихся условиях. [c.362]

УЗНАЮЩИЕ МАШИНЫ — один из типов классифицирующих машин (см. Обучаемые. машины), обучающие ся распознаванию образов. У, м, обладают входом, где могут появляться различные ситуации (наир., различные изображения), каждая из к-рых принадлежит одному из неск, классов. Количество возможных ситуаций столь велико, что за время обучения на входе машины может появиться лишь незначительная их часть. Классы, на к-рые расчленяется множество входных ситуаций, таковы, что в каждый класс входят ситуации, к-рые воспринимаются людьми как похожие объекты, как образ. Представление об образе имеет объективный характер в том смысле, что разные люди, встречавшие в своем предыдущем опыте различные экземпляры одного и того же образа, создают о нем близкие представления. [c.233]

Чтобы сделать машины способными идентифицировать устную речь и реагировать на нее, можно применить усовершенствованную методику распознавания образов для обработки входного сигнала и идентификации слов. Этот аспект исследований речевых систем называется распознаванием речи. Речь обычно вводится в систему распознавания речи с помощью микрофона [4]. Распознавание может осуществляться несколькими путями, но в любом из них обычно применяется выполняемая в цифровом виде процедура сравнения входной фразы или предложения с элементами, хранящимися в памяти компьютера. С другой стороны, понимание речи основывается на обработке знаний, и его относят к речи высокого уровня. Цель всех этих исследований речи, очевидно, состоит в создании высокоточной системы распознавания, полностью не зависящей от говорящего и работающей с большим словарным запасом. [c.294]

Перечислим некоторые из возможных и уже используемых применений голографий контроль изделий, чутко реагирующий на любое отклонение от образца (изделие не совпадает со своим восстановленным изображением), устройства для распознавания образов—букв, иероглифов, отпечатков пальцев, силуэтов самолетов, микробов, хромосом. Голография позволяет видеть в непрозрачной среде. Возможно построить рентгеновский микроскоп, создать небывало емкие запоминающие устройства, столь необходимые, например, для вычислительных машин. [c.97]

Для четвертой группы проблем до сих пор характерна неполная ясность самих принципов их решения. Имеющийся опыт использования машинной графики показал, что при использовании только старой ручной технологии конструирования, когда форма и размеры всех элементов конструкции определяются каждый раз заново и вычерчиваются заново, автоматизация графической части конструирования не только не дает ускорения процесса конструирования, но и затрудняет и замедляет его. Дело в том, что при разработке чертежа большое значение имеет увязка между собой разных элементов по размерам и по взаимному расположению. Процесс такой увязки связан с решением задач распознавания образов на чертежах. Как установлено, эти задачи с наибольшей эффективностью решаются человеческим зрением и очень трудно — техническими устройствами, которые требуют для этого очень сложных алгоритмов. [c.350]

Предположим, что сигнал первого канала чувствителен к определенному виду дефектов на внутренней стороне трубы, но нечувствителен к подобным дефектам на внешней стороне, а второй канал реагирует на оба вида дефектов. Имея эту априорную информацию о свойствах используемого инструмента, можно быстро установить, что в точке /2 имеет место внешний эффект, а в точке — внутренний. Иными словами, мы относим двумерный объект, образованный этими двумя наблюдениями в точке й[, к одной категории, а в точке другой. Задавшись вопросом, имеется ли дефект в точке /з, на основании имеющихся сведений о свойствах датчика мы придем к отрицательному решению. Испытание, конечно, может быть расширено путем увеличения числа каналов, т. е. увеличения размерности объекта распознавания и возможного числа дефектов, которые таким образом можно обнаружить. Это простое испытание содержит основные элементы целого ряда методов, привлекающих в настоящее время большое внимание и быстро развивающихся. Например, принятие решения о том, имеет ли место в данной точке сигнал дефекта или это просто шум, может быть автоматизировано на основе использования методов теории решений. Классификация дефектов по данному множеству наблюдений относится к области распознавания образов, научного направления, цель которого — заменить человека-оператора машиной. Наконец, попытки обеспечить машине преимущества в опыте по [c.214]

В параграфе 16.2—16.4 описаны три различных способа измерения адаптации к неожиданным изменениям прямой анализ временных экспериментальных данных статистический анализ того, когда человек-оператор обнаруживает изменение описание параметров Кя как нестационарных коэффициентов, зависяш.йх от времени. Для каждого из трех методов даются примеры экспериментов. Далее следует краткое обсуждение предназначенных для вычислительных машин моделей распознавания образов человеком, выполняющим функции регулятора. В заключение представляется метод, который определяет адаптацию человека-оператора как меру пределов его возможностей управлять неустойчивой системой. [c.270]

Обслуживание включает множество функций, которые длительное время были вотчиной прикладной психологии, включая моделирование возможностей различных органов чувств к распознаванию образов, обнаружение сигналов на фоне шума и т. д. Как и при диагностике неисправностей, здесь применимы процедуры байесовского принятия решений, а также другие методы, разработанные специалистами по программированию для шахматных и подобных им программ. Модели ремонта и модели акта манипулирования, выполняемого человеком или машиной, до сих пор отсутствуют. [c.395]

Системы машинного видения, обработка изображений и распознавание образов играют большую роль в производстве. Они позволяют проводить стопроцентный осмотр изделия для гарантий" весьма высокого качества. [c.267]

При решении задач синтеза конструкций в связи с качественными различиями в способах обработки информации человеком и вычислительной машиной не всегда можно применять метод моделирования деятельности конструктора. Это подтверждается также отсутствием машинных алгоритмов распознавания зрительных образов. [c.265]

Диалоговый режим эффективен при решении творческих задач, когда требуется эвристический подход (распознавание геометрических образов деталей, размерных и топологических связей между элементарными геометрическими образами с целью оптимального выбора схем базирования, проектирование маршрута обработки, сборки и др.). Эти и многие другие задачи могут быть решены эффективно лишь путем синтеза творческих процессов человека и способностей машинных программ. Вместе с тем при диалоговом режиме значительно увеличиваются за- [c.210]

В аспекте этого второго направлення задача обучения машины распознаванию образов понимается как задача имитации одной машиной классификации ситуаций, производимых другой машиной. В проблему создания обучаемых машин включен ряд новых задач обучение изменяющемуся во времени преобразованию входных ситуаций в выходные, накопление опыта управления. [c.274]

Системы роботов и шагающих машин могут управляться человеком-оператором, копировать движение его рук, действовать на основе жестко заданной программы или управляться ЭВМ. По-видимому, в самом ближайшем будущем роботы, манипуляторы и шагающие машины будут очувствляться . Их рабочие органы уже сейчас оснащены тактильными датчиками, обеспечивающими чувство осязания, специальными телевизионными установками, осуществляющими зрение роботов, устройствами для распознавания образов, реакции на человеческую речь и другую информацию. Проводятся опыты по использованию аналогов нейронных сетей животных и человека для управления сложными роботами. Создаются роботы со свойствами адаптации, самостоятельным [c.156]

Поскольку акустическая диагностика машин и механизмов есть распознавание технических состояний объекта по параметрам колебательных процессов, естественным является привлечение аппарата распознавания образов в тех случаях, когда нет очевидного соответствия между параметрами технического состояния и параметрами аиброакустического сигнала, т. е. нет характерных диагностических признаков. В основу методологии распознавания внброакустических сигналов легли разработки в области распознавания зрительных и речевых образов [4, 9, 11, 18, 24, 26], а также контроля и идентификации непрерывно функционирующих систем [6, 13, 23, 29, 30]. [c.408]

Перейдем к приложениям голографии в аналоговой и дискретной счетной технике. Принципиальные основы использования голографии в этой области весьма глубоки и, по-видимому, заключаются в том, что операции отображения и познания в известной степени родственны друг другу. Голография— наиболее объективный, и совершенный из известных нам способов отображения внешнего мира, и она, как это и следовало ожидать, открыла ряд удивительных возможностей в области осуществления разнообразных логических операций. Вершиной развития голографии в этом направлении является известная работа американского исследователя Р. И. Ван-Хирдена, выдвинувшего гипотезу о том, что процессы, протекающие в человеческом мозге, аналогичны процессам, происходящим в трехмерной голограмме (34). Однако мы не будем касаться здесь столь сложной области, а остановимся на применениях голографии в устройствах распознавания образов, а также в устройствах памяти счетных машин. [c.108]

Работы Катрона и его сотрудников [19] в значительной мере содействовали тем внушительным успехам в технике распознавания образов и оптических вычислительных машин, а также в более общем плане в применении принципов теории связи в оптике, которые были затем достигнуты в Мичиганском университете. Немалую роль в дальнейшем прогрессе в области интерферометрии и дифракционных решеток сыграли недавние работы автора [5, 10, 20]. [c.30]

Понятие распознавание образов охватывает широкий круг методов - от простого подсчета среднего балла до автоматического опознавания типа самолета по фотографии. Простейшие эксперименты проводят, используя в качестве исследуемого объекта цифры или буквы. Так делалось при создании системы сортировки писем на почтамте. Цифры, которые пишут абоненты на конвертах, строго формализованы. Это облегчает работу разпознающих машин. Распознать же рукописные знаки все еще очень трудная задача. [c.65]

Использование технологий машинного зрения , включая методы теории обработки изображений и распознавания образов, являются альтернативой GLONASS/GPS-технологиям (а в некоторых случаях и их дополнением) при формировании облика бортовых высокоточных интегрированных систем навигации и наведения беспилотных маневренных летательных аппаратов. [c.156]

Разработаны такие О. м., как машина для моделирования сложных условных рефлексов, для покска кратчайшего пути между двумя площадками лабиринта ( мышь Шэннона), для доказательства тео])ем, для регулирования объектов, характеристики к-рых неизвестны или медленно меняются по заранее нзиз-вестному закону, различные машины, обучающиеся распознаванию образов, и др. В этих машинах применяются следующие методы накопления опыта. [c.474]

Весьма важный частный случай классифицирующих машин — машина длп обучения распознаванию образов (см. Узпающис маипты). Разработаны методы построения узнающей машины, способной обучаться широкому классу заранее неизвестных образов. [c.475]

НОИ совокупности признаков к одному из тииичны.ч состояний Число таких с01 тоя-ний зависит от особенностей задачи и целей расиознэвания. Теория распознавания тесно связана с проблемой распознавания образов, изучаемой в кибернетике. К методам решения этих задач относятся вероятностные, метрические, логические, методы разделения в пространстве признаков. Все эти методы основаны на строгом математическом аппарате и рассматриваются в специальных курсах по те.чни-ческой диагностике машин. [c.26]

Огромное значение имеет подготовка квалифицированных специалистов, понимаюш их и способных решать диагностические проблемы на современном уровне. Сюда входят знание и умение разрабатывать и применять новые физические принципы получения информации, высоких технологий получения, обработки и хранения многомерной измерительной информации с применением мощных вычислительных машин и сетей. Для них необходимо владение современными достижениями физики твердого тела, электроники, вычислительной техники, статистической теории связи, распознавания образов. Акту -ально и обучение менеджменту качества продукции, изготовленной по высоким технологиям, в частности с целью ее международной сертификации и продажи за рубеж. [c.29]

Первые попытки разработки систем такого рода относятся к началу 50-х годов, когда компьютеры постепенно стали превращаться в общедоступное средство обработки информации. Общетеоретические исследования в этой области способствовали становлению новой отрасли знанаия - теории распознавания образов.Часть первоначальных работ в этой области была посвящена разработке специализированной аппаратуры, предназначенной для автоматического чтения образов типа печатных буквенно-цифровых знаков. Исследования в области синтеза систем распознавания набирали темп по мере того как расширялось использование вычислительных машин и становилась очевидной потребность в более быстрой и эффективной связи человека с ЭВМ. [c.109]

Поэтому можно считать установленным, что для успешного внедрения в процесс конструирования, машинной графики нужно менять технологию конструирования. Наряду с традиционной ручной технологией конструирования должна быть разработана новая мантинная технология конструирования. В основу этой новой технологии должен быть положен отказ от попыток заставить ЭВМ решать задачи распознавания образов и синтезировать облик конструкций. Эти задачи следует оставить за человеком. Облик конструкции (и ее возможные варианты) должен разработать человек, а ЭВМ должна работать с этими обликами в процессах перебора разных значений их параметров и их разных сочетаний. Таким образом, возникает проблема эффективного взаимодействия медленно работающего человека и быстро работающей ЭВМ. Для эффективного взаимодействия конструктора с ЭВМ необходима увязка творческой деятельности конструктора с вычислительной мощностью ЭВМ. При этом огромная разница в собственном быстродейст-ствии человека и ЭВМ требует вначале отделить от ЭВМ по времени творческую работу конструктора, когда он должен заранее разработать ряд вариантов типовых узлов конструкции. С помощью специального программного обеспечения мно- [c.350]

Как правило, людей, а не машины используют для выполнения задач, требующих обнаружения и распознавания сложных образов или сигналов, особенно когда сигналы затенены шумом. Хотя в автоматическом распознавании образов и их классификации достигнут исключительный прогресс и в некоторых случаях машины могут действовать лучше, чем люди, однако такие системы дорогостоящи и узкоспециализированы и их лучше всего применять для выполнения очень трудоемкой, однообразной работы. Исследования того, как машины могут наилучшим образом обна- [c.320]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...