РАЗВИТИЕ АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АНАЛИЗАТОРОВ ТИПА «ИСКУССТВЕННЫЙ НОС» Житков А.Н., Филаретов Г.Ф. Московский энергетический институт, 111250 Москва, - презентация

1 РАЗВИТИЕ АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АНАЛИЗАТОРОВ ТИПА «ИСКУССТВЕННЫЙ НОС» Житков А.Н., Филаретов Г.Ф. Московский энергетический институт, Москва, Красноказарменная, 14 Московский институт кибернетической медицины, Москва, ул. Миклухо-Маклая, 16/10

2 Анализатор типа «Искусственный нос»

3 Прикладное программное обеспечение Два основных режима: Режим настройки – система на эталонных образцах обучается распознаванию требуемых классов продуктов. Рабочий режим – в нем обученная система используется для идентификации неизвестных образцов

4 Методы классификации (распознавания СтатистическиеНейросетевые С использованием нечеткой логики

5 Статистические методы классификации классические статистические методы классификации; статистические методы, использующие идею уменьшения размерности факторного пространства (метод главных компонент, факторный анализ) Варианты метода главных компонент (МГК) -Базовый (исходный) вариант МГК -Модифицированный вариант МГК -Метод разделенных главных компонент (МРГК)

6 Пример применения классического МГК

7 Метод разделенных главных компонент

8 Нейросетевые методы классификации Многослойный персептрон Автоассоциативные искусственные нейронные сети (ИНС) Самообучающиеся ИНС (карты Кохонена, контекстные карты и т.п.) Ассоциативные ИНС ИНС на основе радиальных базисных функций ИНС на основе опорных векторов Нейродинамические структуры

9 Комбинированные алгоритмы на основе ИНС Многослойный персептрон + многослойный персептрон Автоассоциативная искусственная нейронная сеть + многослойный персептрон Сеть Кохонена + многослойный персептрон Автоассоциативная искусственная нейронная сеть + сеть Кохонена

10 Пример трудноразделимых классов

11 Последовательное разделение

12 Пример комбинированной ИНС