•  

Разработка модели распознавания разнородных объектов на основе вложенных методов машинного обучения

НазваниеРазработка модели распознавания разнородных объектов на основе вложенных методов машинного обучения
АвторыНовикова К. Н.1, Новикова С. В.1
1Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ
АннотацияВ 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 словаразнотипные объекты, идентификация объектов, кластеризация объектов, модели машинного обучения, вложенные модели.
Образец ссылки на статьюНовикова 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.