Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu

• Autorzy: Boniecki P.

Warianty tytułu

EN

The neural network type the MLP and RBF as classifying tools in picture analysis

• Języki publikacji: PL

Abstrakty

PL

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.

EN

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.

Słowa kluczowe

PL

sieć neuronowa; sieć neuronowa MLP; sieć neuronowa RBF; analiza obrazu; identyfikacja neuronowa; model neuronowy

EN

neural network; MLP neural network; RBF neural network; picture analysis; neuronal identification; neuronal model

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2006
• Tom: Vol. 51, nr 4
• Strony: 34--39
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Boniecki P.

• 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.