МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ “ЛЬВІВСЬКА ПОЛІТЕХНІКА” іНСТИТУТ КОМП’ютерних НАУК та ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ Кафедра “Системи автоматизованого проектування”
ЗВІТ до лабораторної роботи №6 на тему «ДОСЛІДЖЕННЯ АЛГОРИТМІВ РОЗПІЗНАВАННЯ ОБРАЗІВ.Задача визначення КОЕФІЦІЄНТІВ ЛРФ для КІЛЬКОХ множин образів» з курсу «Системи штучного інтелекту» Виконав: ст. гр. КН-3 Львів-2008 1.Мета роботи Вивчити принципи алгоритмів побудови лінійних рішаючих функцій для кількох класів. Написати програму реалізації алгоритму з графічним інтерфейсом користувача. Короткі теоретичні відомості 2.1. Машина перцептрона. Перцептронний підхід до розпізнавання образів Структура машини перцептрона була запропонована у 1957 році як модель машини, здатної до навчання. Рис. 1. Структура машини перцептрона Ця машина складається з наступних частин: Сенсори (давачі), які сприймають зовнішню інформацію Асоціативний шар. Кожен давач з'єднаний з кожним блоком асоціативного шару. Виходом цього шару є ознаки EMBED Equation.3
. Блок вагових коефіціентів. За допомогою цього блоку ознаки зважуються (EMBED Equation.3
). Загальний суматор - в ньому отримується значення реакції EMBED Equation.3
. Блок рішення - сюди поступає значення реакції із загального суматора. По значенню EMBED Equation.3
 визначається налажність образу до того чи іншого класу. Якщо поступає образ класу EMBED Equation.3
(EMBED Equation.3
), а на виході отримується EMBED Equation.3
 тоді коректуються вагові коефіціенти. Значення вектора EMBED Equation.3
вважається знайденим правильно, якщо для будь-яких образів з класів EMBED Equation.3
і EMBED Equation.3
класифікація відбувається правильно. Така машина є типовою архітектурою машини із здатністю до самонавчання. Алгоритм роботи машини перцептрона грунтується на ідеї "заохочення-покарання". Робота починається з де-якого початкового наближення EMBED Equation.3
. Нехай ми знаходимось на k-ому кроці і нехай ми перевіряємо якийсь k-ий образ з множини вибірки EMBED Equation.3
. Припустимо, що ми розглядаємо лінійну рішаючу функцію для двох класів EMBED Equation.3
і EMBED Equation.3
, причому значення лінійної рішаючої функції в класі EMBED Equation.3
більше нуля, а в класі EMBED Equation.3
- менше нуля. На k-ому кроці ми перевіряємо значення лінійної рішаючої функції для заданого вектора EMBED Equation.3
, причому EMBED Equation.3
. Якщо виконується умова EMBED Equation.3
 тоді ніяких корекцій вагових коефіцентів робити непотрібно. Якщо ж EMBED Equation.3
 тоді потрібно здійснювати корекцію вагових коефіцентів. Вона здійснюється за наступним алгоритмом: EMBED Equation.3
, де EMBED Equation.3
- коректуючий приріст В більшості випадків приймають EMBED Equation.3
. Якщо ми вибираємо вектор EMBED Equation.3
 з області EMBED Equation.3
тоді перевіряємо значення EMBED Equation.3
. Якщо EMBED Equation.3
 тоді ніяких корекцій вагових коефіцентів робити непотрібно. Якщо ж EMBED Equation.3
 тоді корекція здійснюється за наступним правилом: EMBED Equation.3
 Вагові коефіціенти вважаються знайденими правильно, якщо для всіх образів, що належать класам EMBED Equation.3
і EMBED Equation.3
 правильно визначається знак лінійної рішаючої функції. Існують наступні варіанти вибору коректуючого приросту EMBED Equation.3
: Алгоритм фіксованого приросту: EMBED Equation.3
, EMBED Equation.3
 Алгоритм корекції абсолютної величини: EMBED Equation.3
- по цій різниці здійснюють оцінку параметра EMBED Equation.3
. EMBED Equation.3
, EMBED Equation.3
, EMBED Equation.3
 Алгоритм дробової корекції: EMBED Equation.3
- найбільше ціле число, яке не перевищує EMBED Equation.3
. Алгоритм перцептрона збіжний лише в отму випадку, коли класи лінійно розділимі. Якщо ж класи лінійно нерозділимі, тоді алгоритм перцептрона зац...