Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  sieć równoległo-hierarchiczna
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The paper presents the analysis of neurobiological data on the existence of the structure of a parallel-hierarchical network. Discussed method of parallel-hierarchical transformation based on population coding and its application for the pattern recognition task. Based on the analysis, we can conclude that using the methods proposed, it is possible to measure the geometric parameters and properties of images, which can significantly increase the efficiency of processing, in particular estimating the center of mass based on moment characteristics. Experimental results demonstrate that due to various destabilizing factors, accurately measuring the energy center coordinates of laser beam spot images is challenging. However, training the PI network and classifying the fragments into "good" and "bad" can considerably enhance the accuracy of these measurements.
PL
W artykule przedstawiono analizę danych neurobiologicznych dotyczących istnienia struktury sieci równoległo-hierarchicznej. Omówiono metodę transformacji równoległo-hierarchicznej opartej na kodowaniu populacyjnym i jej zastosowanie do zadania rozpoznawania wzorców. Na podstawie przeprowadzonej analizy można stwierdzić, że za pomocą zaproponowanych metod można mierzyć parametry geometryczne i właściwości obrazów, co może znacznie zwiększyć wydajność przetwarzania, w szczególności szacowania środka masy na podstawie charakterystyki momentu. Wyniki eksperymentalne pokazują, że ze względu na różne czynniki destabilizujące, dokładny pomiar współrzędnych środka energii obrazów plamki wiązki laserowej jest trudny. Jednak szkolenie sieci PI i klasyfikowanie fragmentów na „dobre” i „złe” może znacznie zwiększyć dokładność tych pomiarów.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.