Środowisko agentowe w syntaktycznym rozpoznawaniu obrazów

• Autorzy: Sędziwy A.

Warianty tytułu

EN

Agent environment in syntactic pattern recognition

• Języki publikacji: PL

Abstrakty

PL

Czynnikiem istotnie ograniczającym praktyczne zastosowanie metod syntaktycznych w zadaniach rozpoznawania obrazu jest złożoność obliczeniowa parsingu, którą można obniżyć tylko kosztem siły opisowej języka. Gramatyki klasy ETPL(k), posiadające złożoność O(N2), stanowią sprawdzony formalizm dla zadań rozpoznawania obrazu. W przypadku zadań o dużym rozmiarze istotna jest także możliwość zrównoleglenia obliczeń i rozproszenie ich w środowisku agentowym. Wiedzę agenta stanowi wówczas zarówno znajomość fragmentu struktury grafowej, jak i produkcji gramatyki. Równomierna inicjalna dystrybucja tej wiedzy w systemie agentowym pozwala dodatkowo poprawić efektywność systemu.

EN

A computational complexity of parsing is the major limitation of syntactic pattern recognition methods applicability. That complexity may be decreased only by using grammars having weaker expressive power. ETPL(k) graph grammars, having quadratic complexity, are a compromise between complexity and descriptive power. For problems having large sizes however it's necessary to parallelize computations by distributing them over a multiagent system. Effectiveness of a system may be additionally boosted by even knowledge distribution enabling a balanced workload of agents. The knowledge consists of given subgraphs and grammar productions.

Słowa kluczowe

PL

rozproszone transformacje grafowe; systemy agentowe; syntaktyczne rozpoznawanie obrazów

EN

distributed graph transformations; multiagent systems; GRADIS syntactic pattern recognition

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2010
• Tom: T. 14, z. 3/1
• Strony: 373--381
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Sędziwy A.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Corradini A., Montanari U., Rossi F., Ehrig H., Heckel R., Lowe M., Algebraic approaches to graph transformation —part I: Basic concepts and doublepushout approach. Handbook of Graph Grammars and Computing by Graph Transformations, vol. 1: Foundations, World Scientific, 1997, 163-246.
• [2] Ehrig H., Engels G., Kreowski H.-J., Rozenberg G., Handbook of Graph Grammars and Computing By Graph Transformation: Volume II, Applications, Languages, and Tools. World Scientific Publishing Co., River Edge, NJ, 1999.
• [3] Ehrig H., Kreowski H.-J., Montanari U., Rozenberg G., Handbook ofGraph Grammars and Com-puting By Graph Transformation: Yolume III, Concurrency, Parallelism, and Distribution. World Scientific Publishing Co., River Edge, NJ, 1999.
• [4] Flasiński M., On the Parsing of Deterministic Graph Languages for Syntactic Pattern Recognition. Pattern Recognition, vol. 26, 1993, 16-93.
• [5] Flasiński M., Power Properties of NCL Graph Grammars with a Polynomial Membership Problem. Theoretical Computer Science, vol. 201, 1998, 189-231.
• [6] Flasiński M., Distorted Pattern Analysis with the Help ofNode Label Controlled Graph Languages. Pattern Recognition, vol. 23, No. 7, 1990, 765-774.
• [7] Kotulski L., Distributed Graphs Transfórmed by Multiagent System. Artificial Intelligence and Soft Computing ICAISC 2008, LNAI 5097, 1234-1242.
• [8] Kotulski L., GRADIS - multiagent environment supporting distributed graph transformations. LNCS, vol. 51031/2008, 2008, 644-653.
• [9] Kotulski L., Nowak A., Formalizing Software Refactoring in the Distributed Environment by aedNLC Graph Grammar. SET06 IFIP Conference, Warszawa; Software Engineering Tech-niąues: Design for Quality-Springer Series in Computer Science, ISBN: 10:0-387-39387-0, 2006, 349-360.
• [10] Ogiela M.R., Tadeusiewicz R., Artificial Intelligence structural imaging techniąues in visual pattern analysis and medical data understanding. Pattern Recognition, vol. 36, 2003, 2441-2452.
• [11] Sędziwy A., Distorted pattern recognition and analysis with the help of lEj-graph representation. Computer Science (rocznik AGH), 2000.
• [12] Kotulski L., Sędziwy A., GRADIS - the multiagent environment supported by graph transformations. Simulation Modelling Practice and Theory, Elsevier 2010 (przyjęte do druku).
• [13] Kotulski L., Sędziwy A., Agent Framework For Decomposing a Graph Into the Eąually Sized Subgraphs. WORLDCOMP'08 Conference, Foundations of Computer Science, 245-250.
• [14] Kotulski L., Sędziwy A., Parallel Graph Transformation Supported by Replicated Complementa-ry Graphs. 5th International Conference on Graph Transformation ICGT 2010.
• [15] Kotulski L., Sędziwy A., Stochastyczne metody generacji IE-grafów. Automatyka (półrocznik AGH), t. 12, z. 3, 2008, 853-861.
• [16] Peng W., Krueger W., Grushin A., Carlos P., Manikonda V., Santos M., Graph-based methods for the analysis of large-scale multiagent systems. Proc. of the 8th International Conference on Auto-nomous Agents and Multiagent Systems, 2009, 545-552.
• [17] Liu H.-H., Fu K.-S., An Application of Syntactic Pattern Recognition to Seismic Discrimination. IEEE Transactions on Geoscience and Remote Sensing, vol. GE-21, Issue 2, 1983, 125-132.
• [18] Chiang, Y.T., Fu K.S., Parallel Parsing Algorithms and VLSIImplementations for Syntactic Pattern Recognition. IEEE Transactions on Pattern Analysis and Machinę Intelligence, vol. PAMI-6 Issue: 3, 1984, 302-314.