УДК 004.93.1
ИНФОРМАЦИОННО-ЭКСТРЕМАЛЬНОЕ МАШИННОЕ ОБУЧЕНИЕ БОРТОВОЙ СИСТЕМЫ
РАСПОЗНАВАНИЯ ТРАНСПОРТНОГО СРЕДСТВА
Аннотация. Предложены категорийная модель и алгоритм информационно-экстремального машинного обучения бортовой системы распознавания малогабаритных наземных транспортных средств. Построенные в результате машинного обучения решающие правила являются инвариантными к произвольному положению объекта распознавания в кадре зоны интереса.
Ключевые слова: информационно-экстремальная интеллектуальная технология, машинное обучение, информационный критерий оптимизации, бортовая система распознавания, полярная система координат, наземный объект, автомобиль.
ПОЛНЫЙ ТЕКСТ
Довбиш Анатолій Степанович,
доктор техн. наук, професор, завідувач кафедри Сумського державного університету,
a.dovbysh@cs.sumdu.edu.ua
Будник Микола Миколайович,
доктор техн. наук, старший науковий співробітник, професор кафедри Київського національного університету імені Тараса Шевченка,
budnyk@meta.ua
П’ятаченко Владислав Юрійович,
аспірант Сумського державного університету, bronzeghoste@gmail.com
Мироненко Микита Ігорович,
викладач-стажист Сумського державного університету, nikitam1996@ukr.net
СПИСОК ЛИТЕРАТУРЫ
- Hastie T., Tibshirami R., Eridman J. The elements of statistical learning: data mining, inference and prediction. 2nd ed. New York: Springer-Verlag, 2009. 746 p.
- Mller K.R., Mika S., Rtsch G., Tsuda K., Schlkopf B. An introduction to kernel-based learning algorithms. IEEE Transactions on Neural Networks. 2001. Vol. 12, N 2. P. 181–202.
- Subbotin S. The neuro-fuzzy network synthesis and simplification on precedents in problems of diagnosis and pattern recognition. Optical Memory and Neural Networks (Information Optics). 2013. Vol. 22, N 2. P. 97–103. http://doi.org/10.3103/s1060992x13020082.
- Zheng H.L., Fu J.L., Mei T., Luo J.B. Learning multi-attention convolutional neural network for fine-grained image recognition. Proc. IEEE International Conference on Computer Vision (22–29 October 2017, Venice, Italy). Venice, 2017. P. 5219–5227.
- Ciresan D., Meier U., Schmidhuber J. Multi-column deep neural networks for image classification. Proc. 25th IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2012). (18–20 June 2012, Rhode Island, USA). Rhode Island, 2012. P. 3642–3649.
- Jauregi E., Lazkano E., Martinez-Otzeta J.M., Sierra B. Visual approaches for handle recognition. Proc. European Robotics Symposium 2008 (EUROS 2008) (26–27 March 2008, Prague, Czech Republic). Prague, 2008. P. 313–322. http://doi.org/10.1007/978-3-540-78317-6_32.
- Huang H., Lu L., Yan B., Chen J. A new scale invariant feature detector and modified SURF descriptor. Proc. Sixth International Conference on Natural Computation (ICNC 2010). (10–12 August 2010, Yantai, Shandong, China). Yantai, Shandong, 2010. P. 3734–3738. http://doi.org/10.1109/ICNC.2010. 5583377.
- Dovbysh A.S., Rudenko M.S. Information-extreme learning algorithm for a system of recognition of morphological images in diagnosing oncological pathologies. Cybernetics and Systems Analysis. 2014. Vol. 50, N 1. P. 157–162. http://doi.org/10.1007/s10559-014-9603-y.
- Dovbysh А.S., Moskalenko V.V., Rizhova A.S. Information-extreme method for classification of observations with categorical attributes. Cybernetics and Systems Analysis. 2016. Vol. 52, N 2. P. 224–231. http://doi.org/10.1007/s10559-016-9818-1.
- Dovbysh A., Velykodnyi D., Shelehov I., Bibyk M. Information-extreme machine learning of the control system over the power unit of a thermal power main line. Eastern-European Journal of Enterprise Technologies. 2017. Vol. 5, N 4 (89). P. 17–24. http://doi.org/10.15587/1729-4061.2017. 112121.
