Название | Разработка модели распознавания разнородных объектов на основе вложенных методов машинного обучения |
---|---|
Авторы | Новикова К. Н.1, Новикова С. В.1 1Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ |
Аннотация | В статье предложен метод идентификации объектов в случае, когда их тип (природа, происхождение) заранее не известны. В существующих системах идентификации или распознавания, как правило происхождение или общий тип объектов заранее известен. К примеру, в систему подаются зашифрованные цифровые кардиограммы, и система должна выявить патологию. Или на вход системы подаются изображения отпечатков пальцев, и задача модели состоит в определении их владельцев. Ситуации, когда тип идентифицируемого объекта не известен, практически не встречаются. В данной работе предложена двухуровневая интеллектуальная модель, позволяющая на первом этапе своего функционирования выявить тип объекта (например, является ли объект изображением, зашифрованной кардиограммой, показаниями телеметрии и пр.), а на втором определить непосредственно его вид (если объект – кардиограмма, необходимо определить патологию). Первый уровень включает кластеризующую модель, работающую по алгоритму k-средних. Второй уровень образует ансамбль моделей типа сверточных нейронных сетей CNN. Структура сверточных сетей определяется индивидуально для каждого выделенного на предыдущем уровне кластера (типа объекта). |
Ключевые слова | разнотипные объекты, идентификация объектов, кластеризация объектов, модели машинного обучения, вложенные модели. |
Образец ссылки на статью | Новикова К. Н., Новикова С. В. Разработка модели распознавания разнородных объектов на основе вложенных методов машинного обучения [Электронный ресурс] // Математическое моделирование, численные методы и комплексы программ: X Международная научная молодежная школа-семинар имени Е.В. Воскресенского (Саранск, 14-18 июля 2022 г.). - С. 149-159. Режим доступа: https://conf.svmo.ru/files/2022/papers/paper25.pdf. - Дата обращения: 21.11.2024. |
© СВМО, МГУ им. Н. П. Огарёва, 2024
Powered by Yii Framework