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.author | Иваев Д. Ш. | ru |
dc.coverage.spatial | полином Цернике | ru |
dc.coverage.spatial | обработка изображений | ru |
dc.coverage.spatial | модель сверточной нейронной сети | ru |
dc.coverage.spatial | математическая модель аберраций | ru |
dc.coverage.spatial | искусственные нейронные сети | ru |
dc.coverage.spatial | распознавание аберраций | ru |
dc.coverage.spatial | функция рассеяния точки | ru |
dc.creator | Иваев Д. Ш. | ru |
dc.date.issued | 2021 | ru |
dc.identifier | RU\НТБ СГАУ\471634 | ru |
dc.identifier.citation | Иваев, 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. 461-462 | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | 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. | ru |
dc.source | XVI Королевские чтения. - Т. 1 | ru |
dc.title | Применение искусственных нейронных сетей для анализа и обработки изображений | ru |
dc.type | Text | ru |
dc.citation.epage | 462 | ru |
dc.citation.spage | 461 | ru |
dc.citation.volume | 1 | ru |
dc.textpart | 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... | - |
Располагается в коллекциях: | Королевские чтения |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1668-0_2021-461-462.pdf | 642.05 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.