Файл: ИИ.docx

Апробация программы поводилась на ПК следующей конфигурации: Intel Celeron 2.4 GHz, 256 MB RAM, OS: Microsoft Windows XP SP2. Работа программы заключается в сравнении, анализе и изменении весов. За счет этого повышается эффективность и точность модели сети.

Помимо этого, распознавание символов происходит за миллисекунды, без использования распараллеливания. Разработанная программа является уникальной, распознавание образов символов происходит эффективно. Эффективность основывается на использовании базы данных эталонных образов символов.

Заключение

В работе спроектирована и построена искусственная нейронная сеть, использующая нейро-матричную реализацию, с применением вероятностно-статистического анализа для классификации обрабатываемых изображений. Основные результаты работы:

1. Проведен анализ литературы, на основе которого выявлены и использованы в работе основные концепции теории построения и использования нейронных сетей, построены блок-схемы и модульное приложение с помощью объектно-ориентированного языка программирования C#.

2. Создана база данных эталонных образов цифр.

3. Разработана искусственная нейронная сеть без учителя, обрабатывающая базу эталонных образов.

4. Разработаны модули программного приложения для распознавания цифр.

6. Разработанное приложение может использоваться при решении различных задач, связанных с распознаванием образов.

7. Проведено моделирование, тестирование и отладка программы, реализующей комплексную структуру нейронной сети.

Список использованных источников

1. С.Хайкин. Нейронные сети: полный курс. 2-е изд. М., "Вильямс", 2006.

2. Л.Г.Комарцова, А.В.Максимов. Нейрокомпьютеры. М., Изд-во МГТУ им.Баумана, 2004.

3. А.И.Галушкин. Нейронные сети. Основы теории. М., Горячая линия - Телеком, 2010.

4. B.Kosko. Neural Networks and Fuzzy Systems. A Dynamical Systems Approach to Machine Intelligence. Prentice Hall, Englewood Cliffs, 1992.

5. В.А.Головко. Нейронные сети: обучение, организация и применение. М., ИПРЖР, 2001.

6. Г.Э.Яхъяева. Основы теории нейронных сетей. Интернет-университет информационных технологий, изд-во "Открытые системы".

7. Д.А.Тархов. Нейронные сети. Модели и алгоритмы. (Справочник.) М., Радиотехника, 2005.

8. В.В.Круглов, М.И.Дли, Р.Ю.Голунов. Нечёткая логика и искусственные нейронные сети. Физматлит, 2001.

9. Чернухин Ю.В. Нейропроцессоры. Таганрог, 1994.

10. Psaltis D., Wagner K., Brady D. 1987 Learning in optical neural computers. In Proceedings of IEEE First International Conference on Neural Networks, M. Caudill and C. Butler. San Diego, CA:SOS Printing.

11. Горбань А.Н., Методы Нейроинформатики, сборник научных трудов, Красноярск КГТУ, 1998

12. Амосова Н.М. Нейрокомпьютеры и интеллектуальные роботы. Киев, 1991.

13. Чернухин Ю.В. Микропроцессорное и нейрокомпьютерное управление адаптивными мобильными роботами. Таганрог, 1993.

14. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. 276 с.

15. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика, Москва, 1992.

16. Kimura T., Shima T. Synapse weight accuracy of analog neuro chip // Proceedings of International Joint Conference on Neural Networks. – Japan, Nagoya, October 25-29, 1993. – Vol.1. – P. 891-894.

17. Anguita D., Ridella S., Rovetta S. Limiting the effects of weight errors in feed forward networks using interval arithmetic // Proceedings of International Conference on Neural Networks (ICNN’96). – USA, Washington, June 3-6, 1996. – Vol.1. – P. 414-417.

18. Edwards P., Murray A. Modeling weight- and input-noise in MLP learning // Proceedings Of International Conference on Neural Networks (ICNN’96). – USA, Washington, June 3-6, 1996. – Vol.1. – P. 78-83.

19. Senashova Masha Yu., Gorban Alexander N., and Wunsch Donald, “Back-Propagation of Accuracy”// Proc. IEEE/INNS International Conference of Neural Networks, Houston, IEEE, 1997, pp.1998-2001

20. Дуда Р., Харт П. Распознавание образов и анализ сцен, Москва, «Мир», 1976. 26. Цыганков В.Д. Нейрокомпьютер и его применение. Москва, СолСистем, 1993.

21. Соколов Е.Н., Вайткявичус Г.Г. Нейроинтеллект от нейрона к нейрокомпьютеру. Москва, Наука, 1989.

22. Амосова Н.М. Нейрокомпьютеры и интеллектуальные роботы. Киев, 1991.

23. Чернухин Ю.В. Микропроцессорное и нейрокомпьютерное управление адаптивными мобильными роботами. Таганрог, 1993.

24. Чернухин Ю.В. Нейропроцессоры. Таганрог, 1994.

25. Волгин Л.И. Комплиментарная алгебра нейросетей. Таллин, АО KLTK, 1993.

26. Кунфе Ф. Взаимодействие робота с внешней средой. Москва, «Мир», 1985.

27. Горбань А.Н. Обучение нейронных сетей. Москва, “ПараГраф”, 1990

28. Сотник С. Л, Конспект лекций по курсу "основы проектирования систем искусственного интеллекта", Москва, 1998.

29. DeSieno D. 1988. Adding a conscience to competitive learning Proceedings of the IEEE International Conference on Neural Networks, pp. 117-24. San Diego, CA: SOS Printing.