Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
Warianty tytułu
The neural network type the MLP and RBF as classifying tools in picture analysis
Języki publikacji
Abstrakty
Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.
Rocznik
Tom
Strony
34--39
Opis fizyczny
Bibliogr. 7 poz., rys.
Twórcy
autor
- Akademia Rolnicza w Poznaniu, Instytut Inżynierii Rolniczej
Bibliografia
- [1] Tadeusiewicz R., Flasiński M. (1991). Rozpoznawanie obrazów: Wydawnictwo Naukowe PWN, Warszawa.
- [2] Mirkut Zb., Tadeusiewicz R. (2000). Sieci neuronowe tom 6: Akademicka Witryna Wydawnicza EXIT, Warszawa.
- [3] Boniecki P. (2004). Sieci neuronowe typu MLP oraz RGB jako komplementarne modele aproksymacyjne w procesie predykcji plonu pszenżyta: Journal of Research and Applications in Agricultural Engineering, Poznań, (1'2004), Vol. 49(1), str. 28-33.
- [4] Kohorda P., Tadeusiewicz R. (1999). Komputerowa analiza i przetwarzanie obrazo w: Drukarnia Narodowa, Kraków.
- [5] Tadeusiewicz R., (1993). Sieci neuronowe: Akademicka Oficyna Wydawnicza, Warszawa.
- [6] Boniecki P., Piekarska-Boniecka H. (2004). The SOFM Neural Network in the Process of Identification of Selected Orchard Pests:_Journal of Research and Applications in Agricultural Engineering,Vol 49(4), p. 5-10, Poznań.
- [7] Bishop C., (1995). Neural Networks for Pattern Recognition: Oxford University Press.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BAR0-0024-0009