
ПРО ОСОБЛИВОСТІ ФОРМУВАННЯ ДЕСКРИПТОРІВ У СІАМСЬКІЙ НЕЙРОННІЙ МЕРЕЖІ
Author(s) -
A. Shostak
Publication year - 2021
Publication title -
sistemi upravlìnnâ, navìgacìï ta zvʼâzku
Language(s) - Ukrainian
Resource type - Journals
ISSN - 2073-7394
DOI - 10.26906/sunz.2021.4.079
Subject(s) - mathematics , physics , chemistry
Предмет дослідження ̶ процеси розпізнавання зображень рукописних цифр із застосуванням нейронних мереж. Додаток для розпізнавання ґрунтується на архітектурі сіамської мережі з нейронними згортковими підмережами. Мета статті ̶ обґрунтування вибору N-вимірних векторних уявлень вхідних зображень для опису їх властивостей, порівняння та їхнього розпізнавання. Завдання: експериментальне дослідження розпізнавання зображень рукописних цифр із використанням архітектури сіамської нейронної мережі. Методи досліджень: метод прямого пошуку для функцій з декількома змінними для визначення N-вимірних векторних представлений вхідних зображень. Методи досліджень: метод прямого пошуку для функцій з декількома змінними для визначення N-вимірних векторних уявлень вхідних зображень. Результати досліджень. Результати досліджень. Проведено визначення N-вимірних векторних уявлень вхідних зображень рукописних цифр та досліджено їх характеристики. Виконано експериментальне дослідження розпізнавання зображень із використанням векторних уявлень зображень у рамках архітектури сіамської нейронної мережі. Показано, що запропоновані методи визначення векторних N-вимірних уявлень вхідних зображень є робастними і незначно впливають на кількість помилок при тестуванні розпізнавання. Під час тестування використовувалися зображення рукописних цифр із тестового набору MNIST. Визначено, що використання наперед вибраних еталонних уявлень вхідних зображень дозволяє спростити архітектуру сіамської мережі. Висновки. Результати, отримані в роботі, можуть бути використані при порівняльній оцінці та визначенні N-вимірних векторних уявлень різних класів вхідних зображень з метою розпізнавання їх з використанням архітектури сіамської нейронної мережі.