Вычислительные эксперименты. 
Метод блочного оптического распознавания инвентарных номеров железнодорожных подвижных единиц на основе комитетной нейроиммунной модели классификации

Для проведения вычислительных экспериментов нами был реализован предлагаемый метод блочного распознавания инвентарных номеров железнодорожных подвижных единиц.

Обучение и тестирование НИМК производилось на множестве бинарных изображений цифр дублирующих номеров ж.-д. вагонов (рис.7), полученных на одном из объектов внедрения АРНВ.

Рис. 7. — Примеры бинарных изображений цифр дублирующих номеров ж.-д. вагонов

Обучающее множество содержало 10 тыс. уникальных примеров, а тестовое 1 тыс. размерностью 16 на 27 пикселей (432 признака).

Выборка для тестирования предлагаемого метода состояла из 1 тыс. примеров бинарных изображений дублирующих номеров размерностью 100 на 27 пикселей (рис. 8).

Рис. 8. — Примеры бинарных изображений дублирующих номеров

Эксперименты выполнялись на специализированном компьютере промышленного исполнения с установленным процессором IntelCore i7 частотой 3200 МГц.

В результате применения метода главных компонент размерность признакового пространства была снижена до 70.

Архитектура используемых в экспериментах ИНС — 70−35−20−10 нейронов.

Обучение всех ИНС производилось метом Левенберга-Марквардта.

Оптимальное количество ИНС в комитете подобрано эмпирически.

Количество правильно сегментированных и распознанных номеров составило 96,8% всей тестовой выборки. Среднее затраченное время на распознавание одного номера — 57 мс.