Рекомендации по выполнению работы

А. Описание задачи

На основе предъявленного образа (графического файла) требуется автоматическое определение цифры, изображенной в файле.

Поэтапно процедура разработки и обучения сети выглядит следующим образом.

Этап 1. Определение характеристик распознаваемых образов:

· тип распознаваемых образов – растровый графический файл;

· набор измеряемых параметров образов – образ задается совокупностью пикселей, каждый из которых характеризуется интенсивностью красного, зеленого и синего цветов (модель RGB);

· классы распознаваемых образов – цифры от 0 до 9 (10 классов).

Этап 2. Изображение, находящееся в файле, можно пропустить через «черно-белый» фильтр, разбить на стандартное количество одинаковых сегментов (например, заданных матрицей 8 × 10) и определить для каждого сегмента преобладающий цвет (черный или белый).

Таким образом, вектор входных величин сети для отдельного распознаваемого образа (файла) будет состоять из одного и того же количества элементов (8 × 10 = 80 элементов), каждый из которых может принимать значения: 1 (цвет сегмента черный) или 0 (цвет сегмента белый).

Рис. 48. Преобразование исходного образа

Количество элементов вектора выходных величин будет соответствовать количеству классов распознаваемых образов. Значения элементов вектора нормализованы и равны 1 (признак принадлежности к классу) или 0 (в противном случае).

Этап 3. Проектирование архитектуры искусственной нейронной сети:

· количество слоев – 3;

· количество нейронов в слое:

o входном – 80;

o промежуточном – 40;

o выходном – 10;

· тип связей между нейронами – прямые;

· функция активации – сигмоидальная .

· первая производная функции активации – .

Этап 4. Обучение сети выполняется с помощью алгоритма с обратным распространением ошибки.

Для обучения экспертом приготовлено 20 обучающих образов – по два на каждый класс (цифру), один из которых эталонный (идеальный) и один с незначительной модификацией. Каждый образ характеризуется строго определенными векторами входных и выходных величин. Вектор входных величин соответствует преобразованному обучающему образу (файлу) и состоит из 80 элементов, значения которых 0 или 1 согласно цвету сегмента. Вектор выходных величин соответствует классу, которому принадлежит образ, и состоит из 10 элементов, значения которых равны 1 или 0. Так, для обучающего образа цифры «0» вектор выходных величин –
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0].

Перед процедурой обучения весовые коэффициенты всех связей инициализируются малыми случайными значениями в диапазоне [-0.3, 0.3].

При обучении все 20 образов последовательно прогоняются через сеть с корректировкой весовых коэффициентов после прогона каждого образа. Данная процедура повторяется 500 раз (количество эпох – 500). Норма обучения принята равной 0.1.

Этап 5. Тестирование сети выполняется с помощью контрольных образов. Например, если на вход сети был подан образ цифры «2», а на выходе получен вектор [0 0.11 0.76 0.23 0.01 0.05 0 0 0 0.25], то распознавание прошло успешно.