1.Основная часть

1.1.Введение

Задача распознавания образов в настоящий момент широко применяется в различных областях. Необходимость распознавания рукописного ввода символов связана с ростом количества мобильных устройств с сенсорным экраном. Перевод текстов в электронный формат актуален для сохранения библиотечных книг и в связи с ростом популярности электронного формата среди пользователей. Также распознавание образов важно для задачи сканирования и для анализа изображений с фото- и видеокамер.

Существуют различные алгоритмы, можно выделить две важные категории: аналитические алгоритмы, анализирующие структуру изображения путем работы с пикселями, а также методы искусственного интеллекта, в частности нейроинформатики, работающие с изображениями целиком и использующие обучение на выборке изображений.

Нейроинформатические методы требуют большой обучающей выборки и вычислительных мощностей в процессе настройки сети, однако уже обученная сеть способна быстро обрабатывать входные образы, и может обладать большой устойчивостью к зашумлению, а также к искажениям. Эту задачу решают, в частности, системы когнитрона и неокогнитрона, имитирующие работу человеческого мозга, распознающего изображение на сетчатке глаза. Существуют различные реализации этих систем, однако стоит заметить, что нейронные сети существенно отличаются по структуре для каждой конкретной задачи.

Задача, решаемая в этой работе – поиск образца на достаточно крупных изображениях, конкретно – на фотографиях. Эта задача относится к области сканирования и анализа изображений с фотокамеры. Она требует большого размера нейронную сеть, поскольку размер сети при распознавании линейно зависит от размеров исходного изображения. Одной из проблем нейроинформатики – большие вычислительные мощности, необходимые в первую очередь для обучения сети. Существует потребность использования параллельных вычислений для ее решения. Также предполагается разработка графического интерфейса для более удобной работы с сетью.

1.2. Теоретическая часть: искусственные нейронные сети История возникновения

Нейронные сети – это вычислительные системы, которые имитируют процессы, протекающие в мозгу человека. Они применяются для таких задач, как распознавание образов, классификация, анализ и сжатие изображений. Также нейронные сети подходят для моделирования объекта с неизвестными характеристиками.

Впервые нейронные сети как идея появились в 40-х годах XX в. В 50-х был создан знаменитый персептрон Розенблатта, а чуть позже – сети типа Адалайн. Позднее интерес к нейронным сетям угас, отчасти в связи со статьей, рассматривающей задачи, которые не могут быть решены с помощью нейронных сетей. Однако исследования все равно продолжались, в этот период были изобретены но в 80-х снова возродился с появлением сетей Хопфилда, а также самоорганизующихся карт Кохонена и других сетей, обучающихся без учителя.

Общие принципы

Человеческий мозг состоит из нейронов, соединенных между собой синапсами. Устройство нейрона представлено на: Рис. 1 .1. Нейрон состоит из тела клетки, дендритов, аксона и синапсов. Дендриты – входные отростки, передающие входной сигнал от соседних нейронов. Внутри тела клетки происходит реакция нейрона на поступивший сигнал, после чего уровень его возбуждения передается по аксону в окружающие его нейроны. Синапсы – места контакта нервных окончаний аксона одного нейрона с дендритами других. Синапсы влияют на передаваемый нервный импульс, превращая его в возбуждающий или тормозящий сигнал различной интенсивности (изменяя амплитуду и частоту сигнала). У человека более ста миллиардов нейронов, причем нейрон может иметь до 20 тысяч связей с другими нейронами. То, как именно функционирует человеческий мозг, до сих пор изучено только частично.

Рис. 1.1. Схема устройства нейрона

Искусственная нейронная сеть моделирует работу человеческого мозга. Она состоит из искусственных нейронов и синаптических связей между ними. Нейрон считает взвешенную сумму своих входных сигналов и применяет к ней функцию активации. Результатом вычисления является выходной сигнал нейрона. Входные сигналы поступают по входным связям нейрона, выходной передается на выходные связи.

Синапс в искусственной нейронной сети – объект, обладающий весом и связанный со входным и выходным нейроном (иногда их называют предсинаптическим и постсинаптическим). Модификация передаваемого сигнала осуществляется путем изменения синаптического веса. Функция активации определяет зависимость выходного сигнала от входных, существует много вариантов функций активации для различных нейронных сетей. Простейшая из них – пороговая функция:

Где Т – пороговое значение.

Нейронная сеть может состоять из одного или нескольких слоев нейронов. Первый слой нейронов сети – рецепторы, через которые внешние данные поступают в нейронную сеть. Это также является отражением структуры биологических нейронных сетей: нейроны человеческого мозга связаны с рецепторами, например вкусовыми или зрительными, через которые в мозг поступает обрабатывающаяся впоследствии информация.

Однослойная нейронная сеть состоит из одного слоя нейронов, а также слоя рецепторов. Рецепторы получают данные в виде входного вектора. Через входные связи от рецепторов сигналы передаются нейронам, а выходные сигналы нейронов составляют выход сети. Нейроны не взаимодействуют друг с другом, то есть выходные данные нейрона не передаются другим нейронам. Однослойная сеть изображена на: Рис. 1 .2.

Рис. 1.2. Однослойная нейронная сеть

В многослойной нейронной сети входные данные от рецепторов поступают на первый слой нейронов. Сигнал передается от нейронов первого слоя на второй слой, и так далее, от более ранних слоев к более глубоким. Выходной сигнал последнего слоя становится результатом работы сети. Схема многослойной нейронной сети представлена на: Рис. 1 .3. В общем случае считается, что каждый нейрон слоя связан со всеми нейронами соседнего слоя.

Рис. 1.3. Многослойная нейронная сеть