УДК 004.93
Д. Н. К а н г и н, А. В. К у р о в
ОПТИМИЗАЦИЯ ПАРАМЕТРОВ НЕЙРОННОЙ
СЕТИ НЕОКОГНИТРОН ДЛЯ РАСПОЗНАВАНИЯ
СИМВОЛОВ ГОСУДАРСТВЕННЫХ
РЕГИСТРАЦИОННЫХ ЗНАКОВ
Исследована нейронная сеть неокогнитрон Фукусимы. Описаны ме-
тоды определения пороговых значений, измерений слоев, параме-
тров ядра функции Гаусса, используемого для вычисления выходных
значений слоев. Предложены методы оптимизации параметров.
В результате исследования достигнут коэффициент распознава-
ния тестовой выборки 97%.
E-mail:
,
.
Ключевые слова
:
нейронные сети, неокогнитрон, оптимизация, машин-
ное обучение, государственные регистрационные знаки транспортных
средств.
В настоящее время в различных областях науки и техники акту-
альны задачи распознавания образов.
Согласно [1] задача распознавания образов заключается в разбие-
нии многомерного (в общем случае) пространства на области, соот-
ветствующие заданным категориям, или классам.
Существуют различные методы распознавания образов: искус-
ственные нейронные сети (далее нейронные сети) [1], методы с ис-
пользованием фурье-дескрипторов [2, 3], топологические дескрипто-
ры [4, 5], байесовы классификаторы, деревья решений и множество
других. Однако несмотря на достигнутые в данной области результа-
ты, поиск методов решения задачи распознавания образов продолжа-
ется вследствие повышения производительности ЭВМ, возрастающих
требований к результатам распознавания, а также появления новых
приложений теории распознавания образов.
Частным случаем задачи распознавания образов является задача
распознавания изображений. Она может быть решена как общими,
так и специализированными методами с учетом требований к анализу
и обработке изображений.
Одна из специализированных нейронных сетей — сеть неокогни-
трон, применяемая для распознавания изображений. В данной рабо-
те исследуется нейронная сеть неокогнитрон на примере распозна-
вания государственных регистрационных знаков (ГРЗ) транспортных
средств (ТС). Обоснование выбора данной нейронной сети приводится
далее.
Важными характеристиками методов распознавания изображений
служат условия соблюдения инвариантности результатов распознава-
ния относительно:
228
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
