Отрывок: Таким образом, чередование данных слоев формирует основные признаки исходных данных и устраняет в них шумы при одновременном понижении их размера. Тем самым уменьшается число параметров и увеличивается скорость обучения СНС по сравнению с полносвязной нейронной сетью, а также повышается качество классификации изображений. Для формирования наборов изображений использовалась библиотека Opticspy [4]. Это модуль Python для оптических приложений, включает в себя...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorИваев Д. Ш.ru
dc.coverage.spatialполином Церникеru
dc.coverage.spatialобработка изображенийru
dc.coverage.spatialмодель сверточной нейронной сетиru
dc.coverage.spatialматематическая модель аберрацийru
dc.coverage.spatialискусственные нейронные сетиru
dc.coverage.spatialраспознавание аберрацийru
dc.coverage.spatialфункция рассеяния точкиru
dc.creatorИваев Д. Ш.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\471634ru
dc.identifier.citationИваев, Д. Ш. Применение искусственных нейронных сетей для анализа и обработки изображений. - Текст : электронный / Д. Ш. Иваев // XVI Королевские чтения : междунар. молодеж. науч. конф., посвящ. 60-летию полета в космос Ю. А. Гагарина : сб. материалов : 5-7 окт. 2021 г. : в 3 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ; [науч. ред. М. А. Шлеенков]. - 2021. - Т. 1. - С. 461-462ru
dc.language.isorusru
dc.relation.ispartofXVI Королевские чтения : междунар. молодеж. науч. конф., посвящ. 60-летию полета в космос Ю. А. Гагарина : сб. материалов : 5-7 окт. 2021 г. : в 3 т.ru
dc.sourceXVI Королевские чтения. - Т. 1ru
dc.titleПрименение искусственных нейронных сетей для анализа и обработки изображенийru
dc.typeTextru
dc.citation.epage462ru
dc.citation.spage461ru
dc.citation.volume1ru
dc.textpartТаким образом, чередование данных слоев формирует основные признаки исходных данных и устраняет в них шумы при одновременном понижении их размера. Тем самым уменьшается число параметров и увеличивается скорость обучения СНС по сравнению с полносвязной нейронной сетью, а также повышается качество классификации изображений. Для формирования наборов изображений использовалась библиотека Opticspy [4]. Это модуль Python для оптических приложений, включает в себя...-
Располагается в коллекциях: Королевские чтения

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1668-0_2021-461-462.pdf642.05 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.