ВВЕДЕНИЕ.
ГЛАВА 1. МОДЕЛИ РАСПРЕДЕЛЕННЫХ ДВУМЕРНЫХ НЕЙРОНОПОДОБНЫХ СРЕД ДЛЯ ОБРАБОТКИ ИНФОРМАЦИОННЫХ СИГНАЛОВ.
1.1 История проблемы исследования нейрофизиологических процессов в одном нейроне и в сети
ИЗ ВОЗБУЖДАЮЩИХ И ТОРМОЗНЫХ ЭЛЕМЕНТОВ
1.2 Биологоправдоподобная модель.
Упрощенные варианты общей модели.
1.3 МЕТОДЫ ИССЛЕДОВАНИЯ СТРУКТУР КОЛЛЕКТИВНОЙ АКТИВНОСТИ В РАСПРЕДЕЛЕННЫХ ОДНОРОДНЫХ НЕЙРОНОПОДОБНЫХ СИСТЕМАХ
1.4 РЕЦЕПТИВНЫЕ ПОЛЯ. КАРШ РЕЦЕПТИВНЫХ ПОЛЕЙ.
1.5 ВИДЫ ИСПОЛЬЗУЕМЫХ РЕЦЕПТИВНЫХ ПОЛЕЙ. ФУНКЦИИ СВЯЗИ МЕЖДУ ЭЛЕМЕНТАМИ НЕЙРОНОПОДОБМОЙ СИСТЕМЫ.
Фильтры Габора.
Лапласиан гауссиана. Латеральное торможение
Двумерные рецептивные поля Хаара. Вычисления с использованием интегрального изображения
1.6 Обработка неподвижных изображений в однородных, распределенных нейроноподобных системах с использованием функций латерального торможения, функций Хаара и функций Габора.
Получение простейших препаратов неподвижного изображения контраст, контур заданной толщины, линии заданных направлений, объекты заданных масштабов.
ГЛАВА 2. ИСПОЛЬЗОВАНИЕ МОДЕЛИ ОДНОРОДНОЙ РАСПРЕДЕЛЕННОЙ ДВУМЕРНОЙ НЕЙРОНОПОДОБНОЙ СРЕДЫ ДЛЯ ПРЕДВАРИТЕЛЬНОГО ЦЕЛЕУКАЗАНИЯ. НА ПРИМЕРЕ СИСТЕМЫ ПОИСКА ЛИЦ
2.1 МЕСТОПОЛОЖЕНИЕ ОБЪЕКТА. АНАЛИЗИРУЕМАЯ ОБЛАСТЬ. ЭФФЕКТИВНОСТЬ АЛГОРИТМА ПРЕДВАРИТЕЛЬНОГО целеуказания.
2.2 СИНТЕЗ МАССИВА КАНДИДАТОВ ДЛЯ ДАЛЬНЕЙШЕГО АНАЛИЗА
Формирование карты активности рецептивных полей
Выделение горизонтальных штрихов.
Пространственная кластеризация штрихов.
Математическая модель
Вычислительный эксперимент.
Детектор движения
2.3 Исключение из предварительно заданного массива.
Регулярные сетки.
Математическая модель
Вычислительный эксперимент.
ГЛАВА 3. ИСПОЛЬЗОВАНИЕ МОДЕЛИ ОДНОРОДНОЙ РАСПРЕДЕЛЕННОЙ ДВУМЕРНОЙ НЕЙРОНОПОДОННОЙ СРЕДЫ ОБНАРУЖЕНИЯ МЕСТОПОЛОЖЕНИЯ ОБЪЕКТОВ НА СЛОЖНОМ ФОНЕ..
3.1 МОДЕЛЬ ПРЕОБРАЗОВАНИЯ ИНФОРМАЦИИ С ИСПОЛЬЗОВАНИЕМ СРЕДЫ СОСТОЯЩЕЙ ИЗ НЕЙРОНОПОДОБНЫХ ЭЛЕМЕНТОВ.
3.2 Математическая модель системы обнаружения объектов, состоящая из нейроноподобных элементов и пространство ее параметров
Целевая функция для системы обнаружения объектов на сложном фоне.
Целевая функция для сильного классификатора И
Ассоциативная машина. Формирование сильного классификатора Н. Процедура .
Формирование функции активации рецептивного поля. Слабая модель обучения.
Рецептивное поле на основе МСТ ii и его функция активации.
3.3 ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ
3.4 Параллельное соединение каскадов
ГЛАВА 4. КЛАССИФИКАЦИЯ НАЙДЕННОГО ОБЪЕКТА
4.1 Задача распознавания
4.2 Переход к двухклассовой схеме распознавания.
4.3 Формирование пространства признаков..
4.4 Результаты вычислительного эксперимента.
4.5 Примеры практической реализации систем обнаружения и классификации найденных объектов
Основные характеристики интегральной биометрической системы распознавания человека.
Система распознавания музыкальных сигналов.
Демонстрационная система видеонаблюдения с детектированием лиц и распознаванием по ним
Разработка версии электронного фотоархива с индексацией по лицам людей.
Демонстрационная программа, позволяющая производить поиск специальных изображений по контексту.
ЗАКЛЮЧЕНИЕ..
ЛИТЕРАТУРА
- Київ+380960830922