1093

Рассматривается современное состояние вопросов постр оения моделей, основанных на принципе потенциалов.
В настоящее время существует две разновидности этих моделей: модели, построенные на основе метода
потенциалов, а также модели, построенные на основе метода потенциальных функций. Рассмотрена идея
метода потенциальных функций, описана общая рекуррентная процедура, приводятся задачи построения
распознающих операторов в рамках данной модели и вопросы выбора потенциальных функций при построении
распознающих операторов. Показана необходимость их модификации для решения задачи распознавания в
условиях большой размерности признакового пространства.

  • Read count 1032
  • Date of publication 09-09-2016
  • Main LanguageRus
  • Pages88-96
Русский

Рассматривается современное состояние вопросов постр оения моделей, основанных на принципе потенциалов.
В настоящее время существует две разновидности этих моделей: модели, построенные на основе метода
потенциалов, а также модели, построенные на основе метода потенциальных функций. Рассмотрена идея
метода потенциальных функций, описана общая рекуррентная процедура, приводятся задачи построения
распознающих операторов в рамках данной модели и вопросы выбора потенциальных функций при построении
распознающих операторов. Показана необходимость их модификации для решения задачи распознавания в
условиях большой размерности признакового пространства.

Ўзбек

Maqolada potensiallar tamoyiliga asoslangan modellarni qurish masalalarining holati ko‘rib chiqiladi. Hozirgi vaqtda
ushbu modellarning ikki turi mavjud: potensiallar usuli asosida qurilgan modellar va potensial funksiyalar usuli asosida
qurilgan modellar. Potensial funksiyalar usulining g‘oyasi ko‘rib chiqiladi, umumiy rekurrent protsedura, ushbu
modellar doirasida tanib olish operatorlarini qurish masalalari va tanib olish operatorlarini qurishda potensial
funksiyalarni tanlash muammolari bayon qilinadi. Belgilar fazosining o‘lchamlari katta bo‘lgan hollarda tanib olish
masalalarini hal qilish uchun ularni moslashtirish zarurligi ko‘rsatib beriladi.

English

The state of the art of the problems of building of potentials principle based models is considered in this article.
Currently there are two types of these models: models built on the base of the potentials principle method and models
built on the base of potentials functions method. The idea of the potentials functions method is considered, the general
recurrent procedure and the problems of building of recognition operators within these models and the problems of
selecting of potentials functions in building of recognition operators are defined. It is shown that these models should be
modified for solving the recognition problems in condition of huge dimensionality of features’ space.

№ Name of reference
1 Рассел С., Норвиг П. Искусственный интеллект. Современный подход. – М.: Вильямс, 2007. – 1410 с.
2 Vouros G., Panayiotopoulos T. Methods and Applications Of Artificial Intelligence. – Berlin: Springer, 2005. – 563 p.
3 Журавлев Ю.И. Избранные научные труды. – М: Магистр, 2002. – 420 с.
4 Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. – М.: Фазис, 2006. – 159 с.
5 Фазылов Ш.Х., Мирзаев О.Н., Раджабов С.С. Современное состояние проблем распознавания образов // Проблемы вычислительной и прикладной математики. – Ташкент, 2015. – № 2. – С. 99-112.
6 Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 6. – С. 917-936.
7 Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Вероятностная задача об обучении автоматов распознаванию классов и метод потенциальных функций // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 9. – С. 1307-1323.
8 Браверман Э.М. О методе потенциальных функций // Автоматика и телемеханика. – Москва, 1965. – Т. 26, № 12. – С. 2205-2213.
9 Браверман Э.М. Метод потенциальных функций в задаче обучения машины распознаванию образов без учителя // Автоматика и телемеханика. – Москва, 1966. – Т. 27, № 10. – С. 100-121.
10 Башкиров О.А., Браверман Э.М., Мучник И.Б. Алгоритмы обучения машин распознаванию зрительных образов, основанные на использовании потенциальных функций // Автоматика и телемеханика. – Москва, 1964. – Т. 25, № 5. – С. 692-695.
11 Айзерман М.А., Браверманн Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. – М.: Наука, 1970. – 348 с.
12 Журавлев Ю.И. Избранные научные труды. – М: Магистр, 2002. – 420 с.
13 Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. – М.: Фазис, 2006. – 159 с.
14 Ту Дж., Гонсалес Р. Принципы распознавания образов. – М.: Мир, 1978. – 414 c.
15 Васильев В.И. Распознающие системы. – Киев: Наукова думка, 1983. – 230 с.
16 Фомин В.Н. Математическая теория обучаемых опознающих систем. – Л.: Изд-во ЛГУ, 1976. – 236 с.
17 Литваков Б.М. Аппроксимирующие свойства некоторых алгоритмов метода потенциальных функций // Автоматика и телемеханика. – Москва, 1970. – Т. 31, № 3. – С. 107-116.
18 Литваков Б.М. Экстремальный подход к определению условий сходимости алгоритмов метода потенциальных функций // Автоматика и телемеханика. – Москва, 1969. – Т. 30, № 9. – С. 98-108.
19 Чангэ Е. О некоторых алгоритмах обучения Φ-машин с использованием потенциальных функций // Автоматика и телемеханика. – Москва, 1969. – Т. 30, № 11. – С. 115-118.
20 Бак Х.К. О модели распознающих алгоритмов типа потенциальных функций // Журнал вычисл. матем. и матем. физики. – Москва, 1978. – Т. 18, № 2. – С. 468-479.
21 Романов М.А. Экстремальные алгоритмы распознавания, использующие метод потенциальных функций // Журнал вычисл. матем. и матем. физики. – Москва, 1979. – Т. 19, № 3. – С. 785-787.
22 Бекиров Ш.У. Корректная модель распознающих алгоритмов ограниченной емкости, основанная на понятии потенциала // Журнал вычисл. матем. и матем. физики. – Москва, 1983. – Т. 23, № 4. – С. 980-989.
23 Браверман Э.М. Метод потенциальных функций в задаче обучения машины распознаванию образов без учителя // Автоматика и телемеханика. – Москва, 1966. – Т. 27, № 10. – С. 100-121.
24 Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. – М.: Наука, 1983. – 464 с.
25 Блюмин С.Л. О выборе потенциальной функции // Автоматика и телемеханика. – Москва, 1974. – Т. 35, № 9. – С. 167-169.
26 Фор А. Восприятие и распознавание образов. – М.: Машиностроение, 1989. – 272 с.
27 Бердышев В.И., Петрак Л.В. Аппроксимация функций, сжатие численной информации, приложения. – Екатеринбург: УрО РАН, 1999. – 296 с.
28 Лоран П.Ж. Аппроксимация и оптимизация. – М.: Мир, 1975. – 496 с.
29 Биргер И.А. Техническая диагностика. – М.: Машиностроение, 1978. – 240 с.
30 Камилов М.М., Мирзаев Н.М., Раджабов С.С. Современное состояние вопросов построения моделей алгоритмов распознавания // Химическая технология. Контроль и управление. – Ташкент, 2009. – № 2. – С.21-27.
31 Фазылов Ш.Х., Мирзаев О.Н., Раджабов С.С. Современное состояние проблем распознавания образов // Проблемы вычислительной и прикладной математики. – Ташкент, 2015. – № 2. – С. 99-112.
32 Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов. – М.: Наука, 1971. – 192 с.
33 Суетин П.К. Классические ортогональные многочлены. – М.: ФИЗМАТЛИТ, 2007. – 480 с.
34 Marcellan F., Van Assche W. Orthogonal Polynomials and Special Functions: Computation and Applications. Berlin: Springer, 2006. – 436 p.
35 Doman B.G.S. The Classical Orthogonal Polynomials. – Singapore: World Scientific, 2015. – 176p.
36 Дубровин В.И., Корецкий Н.Х., Субботин С.А. Модифицированный метод потенциальных функций // Сложные системы и процессы. – Запорожье, 2002. – № 1. – С. 12-19.
37 Афонин В.Л., Чепелев В.М. Метод потенциальных функций для построения вейвлет-рядов // Известия РАН. Теория и системы управления. – Москва, 2008. – № 2. – С. 104-114.
38 Кабальнов Ю.С., Адгамова Г.Х., Фабарисова А.У. Отбор претендентов на основе метода потенциальных функций // Системы управления и информационные технологии. – Воронеж, 2009. – Т. 36, № 2. – С. 305- 309.
39 Bow S.-T. Pattern Recognition and Image Processing. – New York (USA): Marcel Dekker Inc., 2002. – 720 p.
40 Theodoridis S., Koutroumbas K. Pattern recognition, Second Edition. Elsevier Academic Press, 2003. – 689 p.
41 Соколов Б. М. Метод потенциальных функций в задаче обучения распознающей системы с предъявлением объектов одного класса // Стохастическая оптимизация в информатике. - Санкт-Петербург, 2007. – Т. 3, № 1-1. – С. 119-123.
42 Богоносцева Т.А. Метод потенциальных функций в распознавании образов // Надежность и качество: Труды международного симпозиума. – Пенза, 2013. – Т.1. – С. 154-155.
43 Ролик А.И., Ланге Т.И., Покотило А.А., Март Б.А., Ясочка М.В. Метод потенциальных функций в задачах оценки уровня телекоммуникационных сервисов // Вестник Национального технического университета Украины «Киевский политехнический институт». Серия: Информатика, управление и вычислительная техника. – Киев, 2009. – № 57. – С. 133-143.
44 Абу-Абед Ф.Н. Метод потенциальных функций в распознании образов // Математические методы и информационные технологии в экономике, социологии и образовании: XVIII Международная научно- техническая конференция. – Пенза, 2006. – С. 108-110.
45 Duda R., Hart P., Stork D. Pattern Classification. – New York: John Wiley, 2001. – 680 p.
46 Васильев О.М. Синтез корректных алгоритмов в алгебраическом расширении одной П-модели алгоритмов распознавания образов // Вестник Тверского государственного университета. Серия: Прикладная математика. – Тверь, 2008. – № 11. – С. 147-155.
47 Бодянский Е.В., Дейнеко А.А., Стольникова М.З. Адаптивное обучение всех параметров эволюционирующей радиально-базисной нейронной сети // Системи обробки інформації. – Харьков, 2013. - Вып. 5 (112). – С. 13-16.
48 Ясинский И.Ф. Использование метода потенциальных функций для увеличения обучающей последовательности в нейросетевых системах // Вестник Ивановского государственного энергетического университета. – Иваново, 2012.– С. 42-44. – http://elibrary.ru/contents.asp?issueid=1011265&selid=17541874.
Waiting