Рассмотрены особенности использования нейронных сетей для распознавания изображений, в том числе особенности и преимущества обработки изображений сверточными нейронными сетями перед обычными нейронными сетями. Приведены логическая структура и этапы решения задач распознавания изображений с помощью искусственных сверточных нейронных сетей. Представлены результаты реализации нейронной сети для распознавания изображений в виде компьютерной программы.
искусственная нейронная сеть, сверточная нейронная сеть, распознавание изображений, компьютерная программа, математическая модель
1. Петров С.П. Сверточная нейронная сеть для распознавания символов // Журнал ММУ. 2013. № 3.
2. Сиротенко М.Ю. Процедура реализации на ЭВМ процессов прямого и обратного распространения в многослойных нейросетях. Ростов-н/Д.: Изд-во СКНЦ ВШ, 2003.
3. Patrice Y. Simard, Dave Steinkraus, John C. Platt. Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis // Seventh International Conference on Document Analysis and Recognition (ICDAR), IEEE Computer Society. Los Alamitos, 2003. Pp. 958-962.
4. Ranzato Marc'Aurelio, Christopher Poultney, Sumit Chopra and Yann LeCun: Efficient Learning of Sparse Representations with an Energy-Based Model, in J. Platt et al. (Eds), Advances in Neural Information Processing Systems (NIPS 2006). MIT Press, 2006.
