Поиск по всему репозиторию:

Показать краткое описание

dc.contributor.authorBury, Yaroslav Anatolievich
dc.coverage.spatialBrestru_RU
dc.date.accessioned2023-03-14T07:40:27Z
dc.date.available2023-03-14T07:40:27Z
dc.date.issued2022
dc.identifier.citationBury, 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).ru_RU
dc.identifier.urihttps://rep.bstu.by/handle/data/32811
dc.descriptionБурый Я. А. Повышение эффективности нейронных сетей в задачах распознаванияru_RU
dc.description.abstractThe 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.ru_RU
dc.language.isoenru_RU
dc.publisherBrSTUru_RU
dc.subjectнейронные сетиru_RU
dc.subjectneural networksru_RU
dc.subjectcodingru_RU
dc.subjectкодированиеru_RU
dc.titleIncreasing the efficiency of neural networks in recognition problemsru_RU
dc.title.alternativeПовышение эффективности нейронных сетей в задачах распознаванияru_RU
dc.typeСтатья (Article)ru_RU
dc.identifier.udc004.[8+93+94]ru_RU
dc.abstract.alternativeВ 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.ru_RU
dc.identifier.doihttps://doi.org/10.36773/1818-1112-2022-129-3-5-8


Файлы в этом документе

Thumbnail

Данный элемент включен в следующие коллекции

Показать краткое описание