Выпускная работа по «Основам информационных технологий»




Скачать 108.65 Kb.
Дата28.08.2016
Размер108.65 Kb.


БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Выпускная работа по


«Основам информационных технологий»

Магистрант

кафедры математического обеспечения АСУ

Кучинская Евгения Николаевна

Руководители:

профессор, зав. каф. МО АСУ

Краснопрошин В.В.,

ст. преподаватель Кожич П.П.


Минск 2008


Оглавление



1. Введение 5

2. Обзор литературы 7

3. Методика исследования 9

4. Основные результаты 9

5. Обсуждение результатов 11

6. Заключение 13

7. Список литературы к реферату 14

8. Предметный указатель к реферату 15

9. Интернет ресурсы в предметной области исследования 16

10. Действующий личный сайт в WWW 17

11. Граф научных интересов 18

12. Презентация магистерской диссертации 19



Список обозначений ко всей выпускной работе
НС – нейронная сеть

САР – система автоматического распознавания

МНС – многослойная нейронная сеть

СНС – свёрточная нейронная сеть

НСВП – нейронная сеть высокого порядка

НСХ – нейронная сеть Хопфилда

СНСК – самоорганизующаяся нейронная сеть Кохонена

НСРБФ – нейронная сеть с радиально-базисной функцией

ИНС – искуственная нейронная сеть

OCR – оptical сharacter recognition

WISIWIG – What I See Is What I Get

ООП – объектно-ориентированное программирование



Реферат на тему «Применение ИТ для решения задач распознавания зашумленных образов»

1.Введение


Проблема эффективного распознавания образов имеет важное значение в сферах автоматизации многих процессов человеческой деятельности, связанных с идентификацией различных объектов окружающего мира, например, авторизация рабочего персонала по отпечаткам пальцев или сетчатке глаза, идентификация продукта и расчет цены в магазине по штрих-коду и т. д.

Распознавание визуальных образов требует быстрой и эффективной обработки больших объемов данных. Кроме того, эти данные могут подвергаться различного рода искажению, что сказывается на качестве распознавания.

В ходе развития кибернетических наук было разработано множество методов распознавания образов. Однако они обладают существенными недостатками, такими как узкая специализированность применения, а также необходимость использования дополнительных алгоритмов обработки изображений для подавления шума и т.д.

В настоящее время одним из эффективных способов распознавния является подход на основе искусственных нейронных сетей (ИНС). Архитектура таких сетей базируется на строении зрительной коры головного мозга. Модель этой сети – названная неокогнитроном - показала высокую эффективность применения для распознавания образов, подверженных различным искажениям.

Нейросетевой алгоритм распознавания образов на основе неокогнитрона обладает рядом преимуществ по сравнению с другими известными алгоритмами и подходами:


  1. неокогнитрон устойчив к искажению, масштабированию и смещению образов;

  2. нейронную сеть неокогнитрон можно обучить распознавать любые образы с помощью соответствующего набора эталонных образов;

  3. неокогнитрон является самообучающейся нейронной сетью;

  4. архитектура сети предполагает возможность изменения ее структуры согласно поставленной задаче для повышения эффективности распознавания.

Цель данной работы состоит в исследовании возможностей и преимуществ предоставляемых информационными технологиями для решения задач распознавания искажённых и зашумлённых образов.

2.Обзор литературы

Базу для исследования возможностей применения ИТ для решения задач распознавания зашумленных изображений составили различные авторские издания, учебники и самоучители по таким темам, как методы теории распознавания образов, теории нейронных сетей, динамическое программирование и проектирование программных систем.

Среди лиитературы описывающей средства разработки программных продуктов следует выделить издание: Рихтер Дж. Программирование на платформе Microsoft .NET Framework.
   В данной книге подробно описано внутреннее устройство и функционирование об- щеязыковой исполняющей среды Microsoft .NET Framework. Подробно из- ложена развитая система типов .NET Framework и разъясняются способы управ- ления типами исполняющей средой. Хотя примеры в книге написаны на С*, пред- ставленные в ней концепции относятся ко всем языкам, ориентированным на работу с .NET Framework. Книга ориентирована на разработчиков любых видов приложений на платформе .NET Framework: Windows Forms, Web Forms. Web-сер- висов, консольных приложений, служб и пр. Также книга знакомит читателей с основными концепциями объектно-ориентированного программирования и основами языков программирования.

В настоящее время написано также множество самоучителей по динамическому программированию и проектированию программных систем, рассчитанных на различный уровень знаний. Среди учебников по проектированию программных систем, например, можно выделить самоучитель «Самоучитель UML 2», автор Александр Доненков.

Помимо указанной литературы, были также использованы Интернет-ресурсы, связанные с областью исследования. В первую очередь среди них стоит отметить официальные сайты компаний разработчиков передовых пакето для реализации программ, таких, как например Microsoft Visual Studio 2005.

3.Методика исследования

Основные исследования в процессе написания работы были направлены на изучение и выявление тех возможностей, которые могут предоставить современные алгоритмы распознавания зашумленных изображений. Важным моментом явился поиск информации и выбор средств реализации программы. При выборе средств реализации программы анализировались такие фаторы, как:

1. предоставление большого набора базовых функций для создания удобного интерфейса работы с программой.

2. возможности оптимизация программы для максимальной быстроты выполнения и минимизация размера. Эта особенность является критически важной в рамках решаемой задачи, так как реализация модели Неокогнитрона предполагает использования большого числа вычислительных ресурсов компьютера, и автоматическая оптимизация программного кода может значительно ускорить работу модели, сняв с процессора ненужную работу.

3. совместимость с операционной системой MS Windows.

4.Основные результаты

В процессе изучения возможностех разнообразных программ реализации алгоритмов, было принято решение проводить разработку с использованием пакета Microsoft Visual Studio.NET 2005 на языке программирования Visual C++. Этот выбор обусловлен тем, что данный пакет является очень удобными инструментом для разработки сложных Windows-приложений.

Во-первых, он предоставляет большой набор базовых функций для создания удобного интерфейса работы с программой. Набор классов MFC (Microsoft Foundation Classes) предоставляет возможность удобной работы со стандартными визуальными компонентами среды Windows. Среда редактирования диалоговых окон и меню реализована по принципу WISIWIG (What I See Is What I Get), то есть на этапе начального моделирования интерфейса можно просмотреть его внешний вид таким, каким он будет в самой программе. Во-вторых, компилятор данного инструмента имеет много различных настроек (оптимизация программы для максимальной быстроты выполнения, минимизация размера и так далее), и позволяет формировать несколько версий программы – отладочную (Debug) и финальную (Release). Эта особенность является критически важной в рамках решаемой задачи, так как реализация модели Неокогнитрона предполагает использования большого числа вычислительных ресурсов компьютера, и автоматическая оптимизация программного кода может значительно ускорить работу модели, сняв с процессора ненужную работу. В-третьих, созданная программа будет полностью совместима с одной из самых распространенных операционных систем – MS Windows. В-четвертых, объектно-ориентированный язык высокого уровня C++ является очень удобным инструментом для создания различных программ в силу его богатых возможностей по реализации классов, использования ранее созданного кода программ и так далее.

5.Обсуждение результатов


Этап реализации программной модели нейронной сети был выполнен с помощью объектно-ориентированного подхода на языке С++. Преимущество этого подхода заключается в удобстве проектирования отдельных функциональных элементов неокогнитрона. Использовались такие особенности объектно-ориентированного подхода, как наследование, инкапсуляция, полиморфизм. Эти особенности облегчают процесс внесения изменений в текст программы, позволяют уменьшить объем програмного кода.

Для обеспечения доступа к большим упорядоченным блокам данных, таким как массивы указателей на нейроны в отдельной плоскости, использовалась стандартная библиотека шаблонов (STL – Standard Template Library).

При программной реализации модели использовались современные инструменты написания программ (Microsoft Visual Studio .Net 2005) . Широко использовались возможности отладочной (debug) версии программы, позволяющей ускорить процесс поиска ошибок в тексте.

Создание клиентской части программы (диалоговые окна, окна меню, панели инструментов) было выполнено с помощью визуальных компонентов среды программирования.

В программе реализован простой графический редактор, который позволяет создавать новые образы для распознавания сетью и изменять уже существующие. Есть возможность отслеживать поведение отдельных нейронов и плоскостей, которым они принадлежат.

Программная реализация , описанная в этом разделе, в полной мере описывает модель нейронной сети неокогнитрон. Она позволяет автоматизировать процесс обучения и распознавания образов, что способствует исследованию сети.




6.Заключение

Подводя итог, можно сказать, что развитие электронных средств реализации программных продуктов, способов хранения информации, алгоритмов автоматизированной обработки и анализа данных, высокопроизводительных вычислений в ближайшем будущем будет определять прогресс как в теории распознавания, так и в других областях научной деятельности. Именно на решение этих проблем ориентируются создатели будущих вычислительных систем и программных приложений.


7.Список литературы к реферату


1. Аркадьев А. Г., Браверман Э. М. Обучение машины классификации объектов. — М., 1971. — 192 с.

2. Горелик А.Л.,  Гуревич И.Б.,  Скрипкин В.А.  Современное  состояние    проблемы  распознавания. М.: Радио и связь, 1985, 160 с.

3. Бонгард М.М. Проблема узнавания. - М.: Наука, 1967.- 320 с.


Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974.- 415 с.
4. Дуда Р.,  Харт П.  Распознавание образов и анализ сцен.  - М.: Мир,  1976.- 511 с.

5. Распознавание образов. Под ред. Ю. И. Неймарка. — М., 1972. — 328с.

6. Павлидис Т. Алгоритмы машинной графики и обработки изображений.- М.: Радио и связь, 1986. 400 c.

7. Хермен Г. Восстановление изображений по проекциям: Основы реконструктивной томографии. - М.: Мир, 1983.

8. Василенко Г.И., Тараторин А.М. Восстановление изображений.- М.: Радио и связь, 1986. 267 c.

8.Предметный указатель к реферату





M

Microsoft .NET Framework 7

Microsoft Foundation Classes 10

Microsoft Visual Studio 2005 8

Microsoft Visual Studio.NET 2005 10

MS Windows 10

S

Standard Template Library 11



W

Web Forms 7

Windows Forms 7

WISIWIG 10

А

Архитектура 5, 6



г

графический редактор 11

И

Искусственные нейронные сети 5



Н

Неокогнитрон 5, 6

О

Операционная система 9



П

Программная реализация 11

Р

Распознавание образов 5





9.Интернет ресурсы в предметной области исследования





  1. http://elibrary.ru – научная электронная библиотека. Один из наиболее полезных источников информации.

  2. http://math.ru - библиотека книг по математике. Видео-лекции. Информация о математиках. Исторические сюжеты.

  3. http://planetmath.org – математическая энциклопедия

  4. http://msdn.microsoft.com/en-us/vstudio/default.aspx – Microsoft Visual Studio 2005.

  5. http://prs.no – Pattern recognition system

  6. Юрий Лифшиц. Курс «Современные задачи теоретической информатики» — лекции по статистическим методам распознавания образов, распознаванию лиц, классификации текстов

  7. Journal of Pattern Recognition Research (Журнал исследования распознавания образов)





10.Действующий личный сайт в WWW

Ссылка на действующий личный сайт [Электрон. ресурс] – 2008. – Режим доступа: http://kuchinskayae.narod.ru/



11.Граф научных интересов


Граф научных интересов магистранта Кучинской Е.Н.

Факультет прикладной математики и информатики.



Специальность: прикладная математика.

Смежные специальности

  • 01.01.05 – теория вероятностей и математическая статистика

  1. Вероятностно-статистическое моделирование.

  2. Случайные процессы специального вида, включая процессы массового обслуживания.

  • 01.01.07 – вычислительная математика

  1. Теория приближенных методов и численных алгоритмов решения задач алгебры, дифференциальных и интегральных уравнений, задач дискретной математики, экстремальных задач, задач управления, некорректных задач других задач линейного, нелинейного и стохастического анализа.

  2. Численные методы и алгоритмы решения прикладных задач, возникающих при математическом моделировании естественнонаучных, научно-технических, социальных и других проблем.




Основная специальность


01.01.09 – дискретная математика и математическая кибернетика

  1. Теоpия функциональных систем, теоpия гpафов и комбинатоpный анализ, теория сложности вычислений, теоpия кодиpования и кpиптогpафия, теоpия pасписаний, теоpия очеpедей и массового обслуживания,  комбинаторная вычислительная геометрия.

  2. Теоpия и методы минимизации функций, общая теоpия экстpемальных задач, теория многокpитеpиальной и вектоpной оптимизации, теоpия и методы pешения задач математического пpогpаммиpования.







Сопутствующие специальности

  • 05.13.17 — теоретические основы информатики

  1. Исследование средствами вычислительной техники моделей информационных структур и информационных процессов, информационных потребностей индивидуальных и коллективных пользователей.

  2. Разработка теоретических основ технологий программной реализации информационных методов и моделей.







  • 08.00.13 — математические и инструментальные методы

  1. Теория и методология математического моделирования экономических процессов и систем.

  2. Методы принятия оптимальных решений.

  3. Оптимизация поддержки принятия решений, включая информационную инфраструктуру экономических систем.








12.Презентация магистерской диссертации










Список литературы к выпускной работе
Информатика: учебник / Под ред. проф. Н.В. Макаровой.— 3-е изд. - М.: Финансы и статистика, 2001. - 768 с.

Основы информатики: Учеб. пособие / А.Н.Морозевич, Н.Н.Говядинова, В.Г.Левашенко и др. / Под. ред. А.Н.Морозевича. – Мн.: Новое знание, 2003.



Брукшир Дж.Г. Введение в компьютерные науки. – М. – СПб.  Киев: Издательский дом «Вильямс», 2001.

Карпова Т.С. Базы данных: модели, разработка, реализация. – СПб.: Питер, 2001.



База данных защищена авторским правом ©infoeto.ru 2016
обратиться к администрации
Как написать курсовую работу | Как написать хороший реферат
    Главная страница