И оптимизации систем распознавания

После того, как рассмотрены основные принципы построения моделей сложных систем и их испытаний с использованием моделирования, не сложно понять, на каком этапе создания СР может и должна появляться соответствующая модель.

Если обратиться к задачам создания СР, то первая из них - выбор признаков распознавания заданных объектов (явлений, процессов). То есть, в самом начале разработки СР в распоряжении разработчика находится конкретная, вполне определенная предметная область с ее объектами (явлениями, процессами).

Не вызывает сомнений то, что на рассматриваемом этапе уже возможно создание модели объектов (явлений, процессов), подлежащих распознаванию. В то же время соответствующая разработка оказывается в целом ряде случаев достаточно объемной, так как в самом начале работ в априорный словарь признаков включаются все возможные параметры, характеризующие объект (явление, процесс). А в результате последующего моделирования отдельные характеристики могут оказаться невостребованными в связи с тем, что не найдется соответствующего измерителя их или его создание окажется экономически невозможным.

Поэтому хотя то всестороннее изучение свойств объекта, которое будет в указанном случае проведено, и полезно для представлений возможного развития СР, разработка модели более целесообразной оказывается после анализа и выбора допустимого набора измерительных средств.

Так или иначе построение в выбранном признаковом пространстве модели, изоморфной реальному объекту, представляется достаточно мощным процессом для поиска наиболее эффективных признаков распознавания. Указанный процесс обязывает к глубокому анализу существа распознаваемого объекта.

В результате создания модели объекта появляется возможность очередного шага в построении модели СР в целом - возможность создания и подключения модели средств измерений.

Далее после решения задачи выбора априорного алфавита классов (а это уже следующая задача создания СР) созданный комплекс из двух моделей (объекта и измерителей) позволяет методом статистических испытаний получить описание этих классов. То есть, статистически разыгрывая начальные условия состояния и движения объекта и измерителей его характеристик, получаем статистические данные (плотности распределения вероятностей) по каждому из признаков при их независимости в назначенных классах или совместные описания в более сложных случаях.

Если создается обучающаяся система, то после выбора начальных приближений разделяющих функций классов (а это уже очередной этап создания СР) использование созданных моделей ( объекта и измерителей) обеспечит тем же методом статистических испытаний уточнение параметров указанных разделяющих функций. При этом появляется возможность проверки приемлемости для создаваемой системы различных решающих функций.

Для случая “полной” априорной информации (система без обучения) задача выбора правила классификации также легко решается методом статистических испытаний. Здесь реализуется возможность проверки различных статистических критериев.

Как для обучающейся системы, так и для системы без обучения этап исследования решающих правил уже предполагает, что в состав модели входит модуль оценки эффективности. Без него предусматриваемое сравнение в приведенных случаях невозможно.

Таким образом, на всех этапах (при решении всех задач) создания СР любых типов моделирование оказывается инструментом, избавляющим разработчика от сбора большого объема экспериментальных данных. При этом, конечно, всегда предполагается, что применяемые модели прошли калибровку в рамках опытно-теоретического метода и являются изоморфными реальным аналогам.

В итоге рассмотрения роли и места моделирования в задачах создания систем распознавания образов остается вспомнить, что одно из важнейших направлений разработки - оптимизация эвристических выборов априорного словаря признаков и априорного алфавита классов. Однако в том, что моделирование может обеспечить выбор наиболее эффективных рабочего словаря и рабочего алфавита, уже пришлось убедиться при разработке структурной схемы полной модели СР.

В заключение необходимо обратить внимание на то, что общая структурная схема модели системы распознавания, рассматриваемая для вероятностного описания классов, остается справедливой для детерминированных и логических систем. Конечно внутренняя структура отдельных модулей должна быть подвергнута корректировке. Так в детерминированном случае ошибки измерений становятся несущественными и соответствующий субмодуль можно было бы исключить из модуля измерителя характеристик объекта распознавания. Точно также упрощается модуль описания классов за счет использования набора детерминированных эталонов. Упрощается и модуль классификации. Но в целом вся структура модели остается приспособленной для испытаний детерминированных систем.

Аналогично свои особенности имеет реализация модели логической СР:

-результаты обработки информации измерителей после бинарного квантования должны преобразовываться в логические признаки;

-случайность результатов измерений за счет сопутствующих ошибок трансформируется в реально имеющую место случайность получения того или иного логического признака;

-описание классов выглядит в виде системы булевых функций классов с импликантами в виде произведений логических признаков;

-модуль классификации должен приобрести возможность решения булевых уравнений.

В то же время модуль оценки эффективности в основной своей части должен мало отличаться от модуля вероятностной системы, так как и в этом случае оценки основываются на методе Монте-Карло.

Таким образом, разработанная общая структурная схема модели СР должна играть роль типовой, содержание модулей которой корректируется в зависимости от назначения системы и характеристик признаков распознавания.

 

 

 

Ë À Á Î Ð À Ò Î Ð Í Û Å Ð À Á Î Ò Û

Ï Î Ê Ó Ð Ñ Ó

 

" Î ñ í î â û ï î ñ ò ð î å í è ÿ ñ è ñ ò å ì

ð à ñ ï î ç í à â à í è ÿ î á ð à ç î â "

 

 

 

⇐ Предыдущая567891011121314Следующая ⇒

Поделиться: