Search

Increasing the efficiency of neural networks in recognition problems

Thumbnail
View/Open document files
DOI
https://doi.org/10.36773/1818-1112-2022-129-3-5-8
Author
Date
2022
Publisher
BrSTU
UDC
004.[8+93+94]
Citation
Bury, Y. A. Increasing the efficiency of neural networks in recognition problems / Y. A. Bury // Vestnik of Brest State Technical University. – Brest : BrSTU, 2022. – № 3. – P. 5–8. – Bibliography: p. 8 (15 titles).
Abstract
The article describes the issues of increasing the efficiency of neural networks in terms of their design and coding of input and output signals. The application of multiple signal coding using extrapolation of the input parameters is described on the example of a system of recognition character sequences on images of arbitrary size with a complex background. An effective combination of multiple positional and configuration-competitive coding for various types of signals makes it possible to achieve performance rates of the building number recognition algorithm of up to 74 images per second in the adaptive learning mode and 218 images per second in the recognition only mode. The paper also outlines general recommendations for signal coding in artificial intelligence systems based on neural networks.
Annotation in another language
В статье рассмотрены вопросы повышения эффективности нейронных сетей с точки зрения их проектирования и кодирования входных и выходных сигналов. Описано применение множественного кодирования сигналов за счёт экстраполяции входного сигнала на примере системы распознавания цепочек символов на изображениях произвольного размера со сложным фоном. Эффективное сочетание множественного позиционного и конфигурационно-конкурентного кодирования для различных типов сигналов позволяет добиться показателей скорости работы алгоритма распознавания номеров зданий до 74 изображений в секунду в режиме адаптивного обучения и 218 изображений в секунду в режиме только распознавания. Также в работе изложены общие рекомендации по кодированию сигналов в системах искусственного интеллекта, основанных на нейронных сетях.
URI
https://rep.bstu.by/handle/data/32811
Collection