Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: holographic ring-wedge detector

Sortuj według:

Ogranicz wyniki do:

Opto-electronic method of pattern recognition of motor vehicles in spatial frequency domain

Cyran K. A., Niedziela T.

Archives of Transport

2009

Vol. 21, iss.1-2

27-47

The article presents a high speed hybrid pattern recognition system in spatial frequency domain. The sub-system responsible for extraction of features of an image is constructed as diffraction network in the form of holographic ring-wedge detector with probabilistic neural network as a classitier. Since the extractor of this type is used for extracting image features and can be produced at relatively low costs with the use of a high detinition mask generated by computer, such masks should be automatically designed for given tasks. The paper mainly focuses on improvements of feature space optimisation method chiefly designed for the classitier in the form of probabilistic neural network. The abovementioned improvements were feasible thanks to the introduced moditication of the notion of indiscernibility in the theory of rough sets.

Artykuł prezentuje szybki hybrydowy system rozpoznawania obrazów w dziedzinie częstości przestrzennych. Podsystem odpowiedzialny za ekstrakcję cech charakterystycznych obrazu zbudowany jest jako siatka dyfrakcyjna w postaci holograficznego detektora pierścieniowo-klinowego, a klasyfikatorem jest probabilistycza sieć neuronowa. Ponieważ ekstraktor tego typu służy do wydobywania cech obrazu i może być wytworzony po relatywnie niskich kosztach z wykorzystaniem maski o dużej rozdzielczości wygenerowanej przez komputer, zatem maski te powinny być automatycznie projektowane do powierzonych im zadań. Praca koncentruje się głównie na udoskonaleniach metody optymalizacji przestrzeni cech, zaprojektowanej głównie dla klasyfikatora w postaci probabilistycznejnej sieci neuronowej. Wspomniane udoskonalenia były możliwe dzięki wprowadzonej modyfikacji pojęcia nierozróżnialności w teorii zbiorów przybliżonych.

Combining Rough Sets and Neural Network Approaches in Pattern Recognition

Cyran K.

Studia Informatica : systems and information technology

2005

Vol. 2(6)

7--20

The paper focuses on problems which arise when two different types of AI methods are combined in one design. The first type is rule based, rough set methodology operating is highly discretized attribute space. The discretization is a consequence of the granular nature of knowledge representation in the theory of rough sets. The second type is neural network working in continuous space. Problems of combining these different types of knowledge processing are illustrated in a system used for recognition of diffraction patterns. The feature extraction is performed with the use of holographic ring wedge detector, generating the continuous feature space. No doubt, this is a feature space natural for application of the neural network. However, the criterion of optimization of the feature extractor uses rough set based knowledge representation. This latter, requires the discretization of conditional attributes generating the feature space. The novel enhanced method of optimization of holographic ring wedge detector is proposed, as a result of modification of indiscernibility relation in the theory of rough sets.