Качественное описание задачи распознавания

РО – объектов, сигналов, ситуаций, явлений или процессов – представляет собой самую распространенную задачу, решаемую человеком, использующим огромные ресурсы своего мозга, включая одновременно около 7-8 миллиардов нейронов.

Именно то дает возможность людям практически мгновенно узнавать друг друга, с большой скоростью читать печатные и рукописные тексты – литературные, музыкальные, шахматные и т.п.

РО представляет собой задачу преобразования входной информации в выходную, представляющую собой заключение о том, к какому классу относится распознаваемый образ.

Учитывая, что техническая кибернетика есть наука об общих законах преобразования информации в сложных системах, РО представляет собой один из разделов той науки.

Создание искусственного интеллекта – это, прежде всего, построение распознающих систем, приближающихся по своим возможностям к возможностям человека, но возможностям человека в решении задач распознавания.

Признаки, используемые для распознавания могут носить качественный и количественный характер.

Пример: Пусть выпускаются изделия на фабрике из древесины разных пород. Требуется автоматизировать процесс сортировки обрабатываемой древесины. Пусть применяется решение об оценке типа древесины по яркости.

рис.1

Изображение с телекамеры передается на выделитель признаков, назначение которого состоит в уменьшении объема данных путем выделения (формирования) конкретных признаков или свойств, отличающих вид древесины.

Далее измеренные значения признаков подаются на классификатор, предназначенный для оценивания представленных данных и принятия окончательного решения относительно типа древесины.

рис. 2. Гистограмма яркости различных сортов дерева

Решение: Превышение средней яркости Х некоторого критического значения Х₀.

Судя по гистограмме, распознавание по одному признаку ненадежно. Возможен еще признак – частота перехода яркости от светлого к темному (частота волокон), т.е. может быть использовано два признака, а формирователь признаков сводит, т.о. каждую из картин к точке или вектору признаков Х двумерного пространства, где

Теперь задача заключается в разделении пространства признаков на 2 области. Для большей надежности могут быть использованы и элементы статистики, чтобы сделать вероятность ошибки минимальной.