RU2485682C1 - Устройство ассоциативного распознавания - Google Patents

Устройство ассоциативного распознавания Download PDF

Info

Publication number
RU2485682C1
RU2485682C1 RU2011149554/08A RU2011149554A RU2485682C1 RU 2485682 C1 RU2485682 C1 RU 2485682C1 RU 2011149554/08 A RU2011149554/08 A RU 2011149554/08A RU 2011149554 A RU2011149554 A RU 2011149554A RU 2485682 C1 RU2485682 C1 RU 2485682C1
Authority
RU
Russia
Prior art keywords
blocks
membership functions
values
inputs
groups
Prior art date
Application number
RU2011149554/08A
Other languages
English (en)
Inventor
Эдуард Васильевич Борисов
Александр Сергеевич Безбородов
Владимир Ефимович Казарин
Максим Иванович Стукарь
Original Assignee
Федеральное государственное военное образовательное учреждение высшего профессионального образования Военная академия Ракетных войск стратегического назначения имени Петра Великого МО РФ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Федеральное государственное военное образовательное учреждение высшего профессионального образования Военная академия Ракетных войск стратегического назначения имени Петра Великого МО РФ filed Critical Федеральное государственное военное образовательное учреждение высшего профессионального образования Военная академия Ракетных войск стратегического назначения имени Петра Великого МО РФ
Priority to RU2011149554/08A priority Critical patent/RU2485682C1/ru
Application granted granted Critical
Publication of RU2485682C1 publication Critical patent/RU2485682C1/ru

Links

Landscapes

  • Image Analysis (AREA)

Abstract

Изобретение относится к области преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами, во взвешенные коды, и может быть использовано для обработки и распознавания сигналов и изображений. Техническим результатом является повышение точности распознавания при распознавании объектов с отдельными слабо и/или не полностью искаженными областями. Устройство содержит Р блоков выделения максимального сигнала, Р блоков вычисления активационной функции и Р групп блоков формирования значений функций принадлежности. 1 ил.

Description

Изобретение относится к области обработки данных для специальных применений, в частности для преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами, во взвешенные коды, и может быть использовано для обработки и распознавания сигналов и изображений.
Известно устройство, содержащее генераторы пилообразного напряжения, аналого-цифровые и цифроаналоговые преобразователи, элементы ИЛИ, блоки памяти функций принадлежности, блоки определения минимума, блоки сравнения, блоки вычитания из единицы, регистры, счетчик и элементы задержки с соответствующими связями [SU 1791815, G06F 7/58, 1990].
Недостатком устройства являются относительно узкие функциональные возможности.
Известно также устройство, содержащее n параллельных сумматоров, входы и выходы которых являются соответственно группой входов и группой выходов устройства, а также n блоков умножения на весовые коэффициенты, при этом вход i-ого блока умножения на весовые коэффициенты (i=1…N) соединен с выходом i-го параллельного сумматора, а каждый из выходов j-го блока умножения на весовые коэффициенты (j=1…N) соединен с соответствующим ему входом взвешенного сигнала i-го сумматора (i не=j) [А.В.Назаров, А.И.Лоскутов "Нейросетевые алгоритмы прогнозирования и оптимизации систем", СПб.: "Наука и Техника", 2003 г., стр.231].
Недостатком этого устройства также являются относительно узкие функциональные возможности.
Кроме того, известно устройство, содержащее группу умножителей на весовые коэффициенты, входы которых являются входами устройства, параллельный сумматор, входы которого соединены к выходами умножителей на весовые коэффициенты, и блок вычисления активационной функции, вход которого соединен с выходом параллельного сумматора, а выход является выходом устройства [Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: КомКнига, 2006, стр.ис.5.1.].
Недостатком и этого устройства также являются относительно узкие функциональные возможности, обусловленные тем, что устройство позволяет распознавать сигналы и изображения с использованием моделирования работы нейрона в допущении, что весовые коэффициенты для входных сигналов могут быть определены точно, что позволяет использовать их в умножителях на весовые коэффициенты. На практике значения весовых коэффициентов не всегда могут быть определены точно и в большинстве случаев их значения являются нечеткими, «размытыми», что снижает точность устройства и сужает функциональные возможности известного устройства.
Наиболее близким по технической сущности к предлагаемому является устройство ассоциативного распознавания, содержащее первый параллельный сумматор и первый блок вычисления активационной функции, вход которого соединен с выходом первого параллельного сумматора, а выход является первым выходом устройства ассоциативного распознавания, Р-1 параллельных сумматоров со второго по Р-й, Р-1 блоков вычисления активационной функции со второго по Р-й, входы каждого из которых соединены с выходами одноименных параллельных сумматоров, а выходы являются одноименными выходами устройства ассоциативного распознавания, а также Р групп с первой по Р-ю блоков формирования значений функций принадлежности, выходы каждой из которых соединены с входами одноименных параллельных сумматоров, при этом каждая из Р групп блоков формирования значений функций принадлежности содержит К блоков формирования значений функций принадлежности с первого по K-й, входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из Р групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания [RU 2342702, С2, G06K 9/62, 27/06/2008].
Недостатком наиболее близкого технического решения являются относительно узкие функциональные возможности и относительно низкая точность распознавания для случая, когда предъявляемые (входные, возбуждающие) сигналы, характеризующие наблюдаемое изображение, являются слабо и/или не полностью искаженными, т.е. отдельные элементы и области изображений практически полностью совпадают с соответствующими элементами и областями изображений распознаваемых объектов. В этом случает суммирование значений функций принадлежности по элементам предъявляемого изображения может приводить к маскировке распознаваемых объектов за счет влияния относительно других элементов и областей изображений, что снижает достоверность их распознавания.
Требуемый технический результат заключается в расширении функциональных возможностей и повышении точности распознавания при распознавании объектов с отдельными слабо и/или не полностью искаженными областями.
Требуемый технический результат достигается тем, что в устройство, содержащее Р блоков вычисления активационной функции и Р групп блоков формирования значений функций принадлежности, при этом каждая из Р групп блоков формирования значений функций принадлежности содержит К блоков формирования значений функций принадлежности, входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из Р групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания, введены Р блоков выделения максимального сигнала, входы каждого из которых соединены с выходами соответствующей группы блоков формирования значений функций принадлежности из Р групп блоков формирования значений функций принадлежности, а выходы каждого из Р блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из Р блоков вычисления активационной функции.
Анализ научно-технической и патентной литературы показал, что до даты подачи заявки отсутствовали устройства с указанной совокупностью признаков. Следовательно, оно отвечает критерию "новизна".
Кроме того, требуемый технический результат достигается тем, что для достижения требуемого технического результата введены Р блоков выделения максимального сигнала, входы каждого из которых соединены с выходами соответствующей группы блоков формирования значений функций принадлежности из Р групп блоков формирования значений функций принадлежности, а выходы каждого из Р блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из Р блоков вычисления активационной функции.
Анализ научно-технической и патентной литературы показал, что до даты подачи заявки отсутствовали технические решения, в которых поставленная техническая задача была решена с использованием указанной совокупности признаков. Следовательно, решение отвечает критерию "изобретательский уровень".
Дополнительно отметим, что, как будет показано ниже, предлагаемое техническое решение может быть реализовано с помощью известных элементов цифровой техники. Следовательно, оно отвечает критерию "промышленная применимость".
На чертеже представлена электрическая структурная схема устройства ассоциативного распознавания.
Устройство ассоциативного распознавания содержит Р блоков выделения максимального сигнала с первого 1-1 по 1-Р и Р блоков вычисления активационной функции с первого 2-1 по 2-Р, входы каждого из которых соединены с выходами одноименных блоков выделения максимального сигнала 1-1…1-Р.
Устройство ассоциативного распознавания содержит также Р групп с первой 3-1 по Р-ю 3-Р блоков формирования значений функций принадлежности, выходы каждой из которых соединены с входами одноименных блоков выделения максимального сигнала 1-1…1-Р, при этом каждая из Р групп блоков формирования значений функций принадлежности содержит K блоков формирования значений функций принадлежности с первого по K-й (3-1-1…3-1-K, ……3-Р-1…3-Р-K), входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из Р групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания.
Блок выделения максимального сигнала является стандартным элементом вычислительной техники, а блоки формирования значений функций принадлежности и блоки вычисления активационной функции охарактеризованы на функциональном уровне и в предложенном техническом решении используются примеры их выполнения из устройства-прототипа.
Работает устройство ассоциативного распознавания следующим образом.
Предварительно анализируется Р групп образцов сигналов или изображений по нечеткой, «размытой» информации, например по зашумленным фотографиям. Следовательно, отсутствие точных эталонных изображений образцов заменяется их ассоциативными, нечеткими, «размытыми» изображениями. В результате для каждого элемента из Р изображений формируется функция принадлежности этого элемента в соответствии с наиболее типичным уровнем сигнала, соответствующего эталонному изображению. На основе подобных функций производится программирование блоков формирования значений функций принадлежности (3-1-1…3-1-K, ……3-Р-1…3-Р-K).
На входы блоков 3-1-1…3-1-K, ……3-Р-1…3-Р-K формирования значений функций принадлежности поступают входные (возбуждающие) сигналы. При этом на входы одноименных блоков каждой из Р групп блоков подаются одноименные сигналы, например сигналы, характеризующие одинаковые элементы изображения. Каждый из этих сигналов преобразуется в соответствующем ему блоке 3-1-1…3-1-K, ……3-Р-1…3-Р-K в значение функции принадлежности, которое отражает нечеткое представление о соответствии уровня входного сигнала соответствующему эталонному сигналу (элементу изображения).
Каждый из блоков 3-1-1…3-1-K, …3-Р-1…3-Р-K настроен на свой вид функции принадлежности.
В блоках 1-1…1-Р выделения максимального сигнала из сформированных значений функций принадлежности соответствующих им групп блоков формирования функций принадлежности выделяются максимальные сигналы, которые подаются на входы соответствующих блоков 2-1…2-Р вычисления активационной функции. В простейшем случае они могут быть выполнены в виде пороговых блоков.
При превышении их пороговых уровней на выходах формируется уровень логической единицы, который сигнализирует о распознавании входного сигнала при нечетком представлении о значении его отдельных элементов.
Таким образом, в предложенном устройстве достигается требуемый технический результат, заключающийся в расширении функциональных возможностей, поскольку распознавание изображения производится с использованием ранговой обработки сигналов путем выделения максимального сигнала.
Кроме того, повышается и точность распознавания, когда предъявляемые (входные, возбуждающие) сигналы, характеризующие наблюдаемое изображение, являются слабо и/или не полностью искаженными, т.е. отдельные элементы и области изображений практически полностью совпадают с соответствующими элементами и областями изображений распознаваемых объектов. В предложенном техническом решении выделение максимального значения из множества значений функций принадлежности практически исключает ошибки при распознавании, когда предъявляемые (входные, возбуждающие) сигналы, характеризующие наблюдаемое изображение, являются слабо и/или не полностью искаженными, т.е. отдельные элементы и области изображений практически полностью совпадают с соответствующими элементами и областями изображений распознаваемых объектов.

Claims (1)

  1. Устройство ассоциативного распознавания, устройство, содержащее Р блоков вычисления активационной функции и Р групп блоков формирования значений функций принадлежности, при этом каждая из Р групп блоков формирования значений функций принадлежности содержит K блоков формирования значений функций принадлежности, входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из Р групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания, отличающееся тем, что введены Р блоков выделения максимального сигнала, входы каждого из которых соединены с выходами соответствующей группы блоков формирования значений функций принадлежности из Р групп блоков формирования значений функций принадлежности, а выходы каждого из Р блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из Р блоков вычисления активационной функции.
RU2011149554/08A 2011-12-06 2011-12-06 Устройство ассоциативного распознавания RU2485682C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2011149554/08A RU2485682C1 (ru) 2011-12-06 2011-12-06 Устройство ассоциативного распознавания

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2011149554/08A RU2485682C1 (ru) 2011-12-06 2011-12-06 Устройство ассоциативного распознавания

Publications (1)

Publication Number Publication Date
RU2485682C1 true RU2485682C1 (ru) 2013-06-20

Family

ID=48786541

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2011149554/08A RU2485682C1 (ru) 2011-12-06 2011-12-06 Устройство ассоциативного распознавания

Country Status (1)

Country Link
RU (1) RU2485682C1 (ru)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2193797C2 (ru) * 1990-04-26 2002-11-27 Джон СУТЕРЛАНД Устройство ассоциативной памяти (варианты) и способ распознавания образов (варианты)
RU2342702C2 (ru) * 2006-12-20 2008-12-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство ассоциативного распознавания
US20110071969A1 (en) * 2008-05-23 2011-03-24 Faiyaz Doctor Neuro type-2 fuzzy based method for decision making
US20110218727A1 (en) * 2005-03-04 2011-09-08 Stmicroelectronics S.R.L. Method and associated device for sensing the air/fuel ratio of an internal combustion engine

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2193797C2 (ru) * 1990-04-26 2002-11-27 Джон СУТЕРЛАНД Устройство ассоциативной памяти (варианты) и способ распознавания образов (варианты)
US20110218727A1 (en) * 2005-03-04 2011-09-08 Stmicroelectronics S.R.L. Method and associated device for sensing the air/fuel ratio of an internal combustion engine
RU2342702C2 (ru) * 2006-12-20 2008-12-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство ассоциативного распознавания
US20110071969A1 (en) * 2008-05-23 2011-03-24 Faiyaz Doctor Neuro type-2 fuzzy based method for decision making

Similar Documents

Publication Publication Date Title
Coulombe et al. Computing with networks of nonlinear mechanical oscillators
CN106960206B (zh) 字符识别方法和字符识别系统
Tang et al. Sparse unmixing of hyperspectral data using spectral a priori information
CN108140144B (zh) 一种对神经网络模型进行训练的方法、装置及电子设备
CN115951883B (zh) 分布式微服务架构的服务组件管理系统及其方法
Shrivastava et al. MobiVSR: A visual speech recognition solution for mobile devices
Jeong et al. Sensor-data augmentation for human activity recognition with time-warping and data masking
CN114037882A (zh) 边缘人工智能装置、电子装置及其方法
RU2342702C2 (ru) Устройство ассоциативного распознавания
Sundaramoorthy et al. HARNet: Towards on-device incremental learning using deep ensembles on constrained devices
CN114895275A (zh) 基于高效多维注意力神经网络的雷达微动手势识别方法
CN111783935A (zh) 卷积神经网络构建方法、装置、设备及介质
Zhongkai et al. A comparative study: Toward an effective convolutional neural network architecture for sensor-based human activity recognition
RU2504837C1 (ru) Устройство ассоциативного распознавания
RU2485682C1 (ru) Устройство ассоциативного распознавания
Sandhu et al. Resnet-34 Model for Human Activity Recognition on Smartphone Sensor Data
Molin et al. FPGA emulation of a spike-based, stochastic system for real-time image dewarping
RU2541853C1 (ru) Устройство ассоциативного распознавания
Sahani et al. FPGA-based semisupervised multifusion RDCNN of process robust VMD data with online kernel RVFLN for power quality events recognition
RU62314U1 (ru) Формальный нейрон
CN114429192B (zh) 一种图像匹配方法、装置和电子设备
RU2279132C2 (ru) Нейронная сеть конечного кольца
Dürichen et al. Binary Input Layer: Training of CNN models with binary input data
Sirojan et al. Enabling deep learning on embedded systems for iot sensor data analytics: Opportunities and challenges
US11526735B2 (en) Neuromorphic neuron apparatus for artificial neural networks

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20141207