RU2504837C1 - Устройство ассоциативного распознавания - Google Patents

Устройство ассоциативного распознавания Download PDF

Info

Publication number
RU2504837C1
RU2504837C1 RU2012119818/08A RU2012119818A RU2504837C1 RU 2504837 C1 RU2504837 C1 RU 2504837C1 RU 2012119818/08 A RU2012119818/08 A RU 2012119818/08A RU 2012119818 A RU2012119818 A RU 2012119818A RU 2504837 C1 RU2504837 C1 RU 2504837C1
Authority
RU
Russia
Prior art keywords
blocks
groups
inputs
units
values
Prior art date
Application number
RU2012119818/08A
Other languages
English (en)
Other versions
RU2012119818A (ru
Inventor
Владимир Юрьевич Анисимов
Геннадий Геннадиевич Молоканов
Руслан Сергеевич Явтушенко
Богдан Иосифович Курята
Николай Сергеевич Тричев
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 RU2012119818/08A priority Critical patent/RU2504837C1/ru
Publication of RU2012119818A publication Critical patent/RU2012119818A/ru
Application granted granted Critical
Publication of RU2504837C1 publication Critical patent/RU2504837C1/ru

Links

Landscapes

  • Image Analysis (AREA)

Abstract

Изобретение относится к области обработки данных для преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами, во взвешенные коды и может быть использована для обработки и распознавания сигналов и изображений. Техническим результатом является расширение функциональных возможностей устройства, а также повышение точности распознавания при распознавании объектов с отдельными слабо и/или неполностью искаженными областями. Устройство ассоциативного распознавания содержит P блоков вычисления активационной функции и P групп блоков формирования значений функций принадлежности, при этом каждая из P 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 P групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания, причем введены P групп блоков умножителей на весовые коэффициенты, каждая из которых содержит K блоков умножителей на весовые коэффициенты, входы каждого из которых соединены с выходами соответствующих блоков формирования значений функции принадлежности из P групп блоков формирования функции принадлежности, а выходы соединены с соответствующими входами P блоков выделения максимального сигнала, а выходы каждого из P блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из P блоков вычисления активационной функции. 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 использована для обработки и распознавания сигналов и изображений.
Известно устройство, содержащее генераторы пилообразного напряжения, аналого-цифровые и цифро-аналоговые 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-ого параллельного сумматора, а каждый из выходов j-ого блока умножения на весовые коэффициенты (j=1…N) соединен с соответствующим ему входом взвешенного сигнала i-ого сумматора (i не=j) [А.В. Назаров, А.И. Лоскутов "Нейросетевые алгоритмы прогнозирования и оптимизации систем", Санкт-Петербург, "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, P-1 параллельных сумматоров со второго по P-ый, P-1 блоков вычисления активационной функции со второго по P-ый, 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 P-ую 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 K блоков формирования значений функций принадлежности с первого по K-ый, входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из P групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания [RU 2342702, C2, G06K 9/62, 27/06/2008].
Недостатком наиболее близкого технического решения является 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 P блоков вычисления активационной функции и P групп блоков формирования значений функций принадлежности, при этом, каждая из P 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 P групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания, введены P групп умножителей на весовые коэффициенты содержащие K умножителей на весовые коэффициенты, входы каждого из которых соединены с выходами соответствующего блока формирования функции принадлежности и P блоков выделения максимального сигнала, входы каждого из которых соединены с выходами соответствующей группы умножителей на весовые коэффициенты, а выходы каждого из P блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из P 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 новизны.
Кроме того, требуемый технический результат достигается тем, что для достижения требуемого технического результата введены P групп умножителей на весовые коэффициенты содержащие K умножителей на весовые коэффициенты, входы каждого из которых соединены с выходами соответствующего блока формирования функции принадлежности и P блоков выделения максимального сигнала, входы каждого из которых соединены с выходами соответствующей группы умножителей на весовые коэффициенты, а выходы каждого из P блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из P 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 изобретательского уровня.
Дополнительно отметим, что, как будет показано ниже, предлагаемое техническое решение может быть реализовано с помощью известных элементов цифровой техники. Следовательно, оно отвечает критерию промышленной применимости.
На чертеже представлена электрическая структурная схема устройства ассоциативного распознавания.
Устройство ассоциативного распознавания содержит P блоков выделения максимального сигнала с первого 1-1 по 1-P и P блоков вычисления активационной функции с первого 2-1 по 2-P, входы каждого из которых соединены с выходами одноименных блоков выделения максимального сигнала 1-1…1-P.
Устройство ассоциативного распознавания содержит также P групп с первой 3-1 по P-ую 3-P блоков формирования значений функций принадлежности и P групп с первой 4-1 по P-ую 4-P умножителей на весовые коэффициенты, при этом каждая из P групп умножителей на весовые коэффициенты содержит K умножителей на весовые коэффициенты с первого по K-ый (4-1-1, …4-1-K, …4-Р-1, …4-P-K), входы каждого из которых соединены с выходами одноименных блоков формирования значений функции принадлежности P групп формирований значений функции принадлежности, а выходы соединены с входами одноименных блоков выделения максимального сигнала 1-1…1-P, при этом, каждая из P групп блоков формирования значений функций принадлежности содержит K блоков формирования значений функций принадлежности с первого по K-ый (3-1-1…3-1-K, …3-P-1…3-P-K), входы каждого из которых соединены с входами одноименных блоков значений функций принадлежности каждой из других групп из P 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 P 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 P 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-P-K).
На входы блоков 3-1-1…3-1-K, …3-P-1…3-P-K формирования значений функций принадлежности поступают входные (возбуждающие) сигналы. При этом на входы одноименных блоков каждой из P 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-P-1…3-P-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 4-1-1, …4-1-K, …4-P-1, …4-P-K умножителей на весовые коэффициенты сформированные функции принадлежности умножаются на весовые коэффициенты отражающие представление о значимости соответствующего элемента изображения в эталонном образе.
В блоках 1-1…1-P выделения максимального сигнала из сформированных значений сигналов с умножителей на весовые коэффициенты соответствующих им групп блоков умножителей на весовые коэффициенты выделяются максимальные сигналы, которые подаются на входы соответствующих блоков 2-1…2-P 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 предложенной устройстве достигается требуемый технический результат, заключающийся в расширении функциональных возможностей, поскольку распознавание изображения производится с использованием информации о значимости отдельных элементов изображения и 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 при этом учитывается информация о значимости отдельных элементов изображения. 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, с учетом значимости данных элементов.

Claims (1)

  1. Устройство ассоциативного распознавания, устройство, содержащее P блоков вычисления активационной функции и P групп блоков формирования значений функций принадлежности, при этом каждая из P 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 P групп блоков формирования значений функций принадлежности и являются входами устройства ассоциативного распознавания, отличающееся тем, что введены P групп блоков умножителей на весовые коэффициенты, каждая из которых содержит K блоков умножителей на весовые коэффициенты, входы каждого из которых соединены с выходами соответствующих блоков формирования значений функции принадлежности из P групп блоков формирования функции принадлежности, а выходы соединены с соответствующими входами P блоков выделения максимального сигнала, а выходы каждого из P блоков выделения максимального сигнала соединены с входом соответствующего блока вычисления активационной функции из P блоков вычисления активационной функции.
RU2012119818/08A 2012-05-15 2012-05-15 Устройство ассоциативного распознавания RU2504837C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2012119818/08A RU2504837C1 (ru) 2012-05-15 2012-05-15 Устройство ассоциативного распознавания

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2012119818/08A RU2504837C1 (ru) 2012-05-15 2012-05-15 Устройство ассоциативного распознавания

Publications (2)

Publication Number Publication Date
RU2012119818A RU2012119818A (ru) 2013-11-20
RU2504837C1 true RU2504837C1 (ru) 2014-01-20

Family

ID=49555102

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012119818/08A RU2504837C1 (ru) 2012-05-15 2012-05-15 Устройство ассоциативного распознавания

Country Status (1)

Country Link
RU (1) RU2504837C1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2730179C1 (ru) * 2019-09-06 2020-08-19 Валерий Никонорович Кучуганов Устройство ассоциативного распознавания образов

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04302328A (ja) * 1991-03-29 1992-10-26 Omron Corp ファジィ処理装置および方法
GB2329739A (en) * 1997-09-26 1999-03-31 Daewoo Electronics Co Ltd Fuzzy-neural face recognition
RU2223545C1 (ru) * 2002-07-09 2004-02-10 Военная академия Ракетных войск стратегического назначения им. Петра Великого Устройство для распознавания объектов
RU2303813C1 (ru) * 2006-05-29 2007-07-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство для распознавания объектов
RU2342702C2 (ru) * 2006-12-20 2008-12-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство ассоциативного распознавания

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04302328A (ja) * 1991-03-29 1992-10-26 Omron Corp ファジィ処理装置および方法
GB2329739A (en) * 1997-09-26 1999-03-31 Daewoo Electronics Co Ltd Fuzzy-neural face recognition
RU2223545C1 (ru) * 2002-07-09 2004-02-10 Военная академия Ракетных войск стратегического назначения им. Петра Великого Устройство для распознавания объектов
RU2303813C1 (ru) * 2006-05-29 2007-07-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство для распознавания объектов
RU2342702C2 (ru) * 2006-12-20 2008-12-27 Военная академия Ракетных войск стратегического назначения имени Петра Великого Устройство ассоциативного распознавания

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2730179C1 (ru) * 2019-09-06 2020-08-19 Валерий Никонорович Кучуганов Устройство ассоциативного распознавания образов

Also Published As

Publication number Publication date
RU2012119818A (ru) 2013-11-20

Similar Documents

Publication Publication Date Title
Michalski et al. Modeling deep temporal dependencies with recurrent grammar cells""
US20170344829A1 (en) Skeleton -based action detection using recurrent neural network
CN109241888B (zh) 神经网络训练与对象识别方法、装置和系统及存储介质
CN110506282B (zh) Rpu阵列的更新管理
Imani et al. Fach: Fpga-based acceleration of hyperdimensional computing by reducing computational complexity
Zhai et al. Real‐time optical character recognition on field programmable gate array for automatic number plate recognition system
Sun et al. Categorizing malware via A Word2Vec-based temporal convolutional network scheme
WO2020258902A1 (zh) 图像生成和神经网络训练方法、装置、设备和介质
EP3924895A1 (en) Outlier quantization for training and inference
CN111357051B (zh) 语音情感识别方法、智能装置和计算机可读存储介质
El-Bakry A novel high-speed neural model for fast pattern recognition
Jeong et al. Sensor-data augmentation for human activity recognition with time-warping and data masking
Shrivastava et al. Mobivsr: A visual speech recognition solution for mobile devices
RU2342702C2 (ru) Устройство ассоциативного распознавания
Liu et al. Synthesis of spatio-temporal descriptors for dynamic hand gesture recognition using genetic programming
CN115587321A (zh) 一种脑电信号识别分类方法、系统及电子设备
CN111709415A (zh) 目标检测方法、装置、计算机设备和存储介质
Zhongkai et al. A comparative study: Toward an effective convolutional neural network architecture for sensor-based human activity recognition
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
RU2504837C1 (ru) Устройство ассоциативного распознавания
Molin et al. FPGA emulation of a spike-based, stochastic system for real-time image dewarping
RU2485682C1 (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
RU2541853C1 (ru) Устройство ассоциативного распознавания
RU62314U1 (ru) Формальный нейрон

Legal Events

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

Effective date: 20160516