Разработка и обоснование метода текстурной сегментации аэрофотоснимков объектов хозяйственного и природного назначения
Диссертация
Целью диссертационного исследования является разработка и обоснование нового численного метода разделения пространства признаков, позволяющего повысить эффективность текстурной сегментации аэрофотоснимков объектов хозяйственного и природного назначения. Предлагаемый метод отличается от известных тем, что в его основу заложена теория случайных функций. Исходя из анализа существующих наработок… Читать ещё >
Список литературы
- An artificial neural net based method for power system state estimation// Proc. Int. Jt Conf. Neural Networks, Nagoya, Oct. 25−29, 1993: IJCNN'93 — Nagoya.Vol.2. Nagoya, 1993. — p.1523−1526.
- Bishop C M. Neural networks for pattern recognition Oxford University Press 1995.
- Chris K. I. William and Carl Edward Rasmussen «Gaussian Processes for Regression», Advances in Neural Information Processing Systems 8, eds. D. S. Touretzky, M. C. Mozer, M. E. Hasselmo, MIT Press, 1996.
- Cybenko G. Approximation by superposition of a sigmoidal function. Signals, and Systems., 1989. Vol. 2. PP. 303 — 314.
- DELVE Project Home Page. URL: http://www.cs.toronto/edu/- delve/data/datasets.html
- Haykin S., Neural Networks: A Comprehensive Foundation, MacMillan College Publishing Co., New York, 1994.
- Hinton G.E. and D. van Camp. Keeping neural networks simple by minimizing the description of the weights. In Proceedings of the Sixth Annual Conferenceon Computational Learning Theory, pages 5−13, 1993.
- Hopfield J.J., «Neural Networks and Physical Systems with Emergent Collective Computational Abilities», in Proc. National Academy of Sciencies, USA 79,1982, pp. 2554−2558.
- Homik K., Stinchcombe M, White H. Multilayer feedforward networks are universal approximators. Neural Networks. 1989. Vol. 2. PP. 359 -366.147
- Kochenov D.A., Rossiev D.A. Approximations of functions of CA, B. class by neural-net predictors (architectures ans results). AMSE Transaction, ScientificSiberian, A. 1993, Vol. 6. Neurocomputing. PP. 189−203. Tassin, France.
- McCulloch W.S. and Pitts W., «A logical Calculus of Ideas Immanent in Nervous Activity», Bull. Mathematical Biophysics, Vol. 5, 1943, pp. 115−133.
- Mtinsky M. and Papert S., «Perceptrons: An Introduction to Computational Geometry», MIT Press, Cambridge, Mass., 1969.
- Neal, R. M. «Assessing relevance determination methods using DELVE», to appear in C. M. Bishop (ed) Generalization in Neural Networks and Machine1. earning, Springer-Verlag, 1998.
- Olson C.F., «Improving the generalized Hough transform through imperfect grouping». Image and Vision Computing 16, pp. 627−634, 1998.
- Park, J. (1991) Universal approximation using radial basis function network. Neural Computation
- Parker D. B. 1987. Second order back propagation: Implementing an optimal 0(n) approximation to Newton’s method as an artificial newral network. Manuscript submitted for publication.
- Poggio, T. (1990) «Networks for approximation and learning», Proc. IEEE, vol.78, no.9,pp. 1481−1497.
- Ramussen Carl E. «A Practical Monte Carlo Implementation of Bayesian 1. eamung», Advances in Neural Information Processing Systems 8, eds. D. S. Touretzky, M. C. Mozer, M. E. Hasselmo, MIT Press, 1996.
- Ramussen Carl E. «K Nearest Neightbom for Regression.», Advances in Neural Information Processing Systems, MIT Press, May 3, 1996.
- Rasmussen Carl E and Revow Mike «MARS3.6 with Bagging: mars3.6-bag-r' Advances in Neural Information Processing Systems, MIT Press, May 2, 1996.
- Rosenblatt R., „Principles of Neurodynamics“, Spartan Books, New York, 1962.
- Rummelhart D.E., Hinton G.E., Williams RJ. Learning representations by back- propagating errors //Nature, 1986. V. 323. P. 533−536.148
- Scala M. La, M. Trovato, F.Torelli. A neural network based method for voltage security monitoring. IEEE Trans, on Power System, vol.11, N3, Aug. 1996.
- Srinivasan D. and oth. A novel approach to electrical load Forecasting based on a neural network. INNC-91, Singapoure, 1991 (1172−1177).
- Stone M.N. The generalized Weierstrass approximation theorem. Math. Mag., 1948. V.21. PP. 167−183,237−254.
- Wasserman P. D. 1988b. Experiments in translating Chinese characters using backpropagation. Proceedings of the Thirty-Third IEEE Computer SocietyInternational Conference. Washington, D. C: Computer Society Press of theIEEE.
- Wasserman P., Neurocomputing. Theory and practice, Nostram Reinhold, 1990. (Рус. перевод. Ф.Уоссермэн. Нейрокомпьютерная техника. М. Мир, 1992).
- Waterhouse Steve and David МасКау and Tony Robinson „Bayesian Methods for Mixtures of Experts“, Advances in Neural Information Processing Systems 8, eds. David S. Touretzky and Michael C. Mozer and Michael E. Hasselmo, MITPress, 1996.
- Wold S. Spline functions in data analysis, Technometrics, 1974,16, p. 1−11.
- Zurada J. M. Introduction to artificial neural systems. PWS Publishing Company, 1992. 785 pp.
- Адамов В. Г. Привалов М.В. Проведение текстурного анализа ультразвуковых изображений с применением нейронных сетей. -149Краматорск.: Нейросетевые технологии и их применение, 2002.
- Айвазян А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений.- М.: Статистика, 1974.- 240 с.
- Алберг Дж., Нильсон Э., Уолш Дж. Теория снлайнов и ее приложения. — М.:Мир, 1972.-316с.
- Арнольд В.И. О функциях трех переменных. Докл. АН СССР, 1957. Т. 114, No. 4. 679−681.
- Барцев СИ., Охонин В. А. Адаптивные сети обработки информации. Красноярск: Ин-т физики СО АН СССР, 1986. Препринт N 59Б. — 20с.
- Барцев СИ., Гилев СЕ., Охонин В. А. Принцип двойственности в организации адаптивных сетей обработки информации // Динамикахимических и биологических систем. Новосибирск: Наука, 1989, стр.6−55.
- Бахвалов Ю.Н. Автоматическое построение моделей. Аппроксимация функций. — Череповец: IV Межвузовская конференция молодых ученых, 2003.
- Бахвалов Ю. Н. Зуев А.Н. Использование ряда Фурье для аппроксимации функций. — М.: Труды VIII Всероссийской Конференции"Нейрокомпьютеры и их применение», 2002.
- Бахвалов Ю. Н. Зуев А.Н. Ширабакина Т. А. Метод распознавания образов на основе теории случайных функций. — Санкт Петербург: Известия вузов. Приборостроение, 2005. Т.48, № 2.
- Бахвалов Ю.Н. Многомерная интерполяция в задачах моделирования. — Воронеж: Современные проблемы информатизации в системахмоделирования, программирования и телекоммуникациях. Вып. 9.1 Подред. д.т.н. проф. О. Я. Кравца. — 2004.
- Бахвалов Ю. Н. Зуев А.Н. Метод многомерной интерполяции. — Череповец: Материалы IV международной научно-технической конференции"Прогрессивные процессы и оборудование металлургическогопроизводства", 2003.150
- Бахвалов Ю. Н. Голованова Е.А. Метод построения моделей по набору экспериментальных данных. — Череповец, конф.- 2003 г.
- Бахвалов Ю. Н. Зуев А.Н. Метод построения поверхности отклика на основе набора экспериментальных данных. — Вологда: Международнаянаучно-практическая конференция, 2003 г.
- Бахвалов Ю.Н. Метод численного моделирования. Череповец: конф. Образование, наука, бизнес: особенности регионального развития иинтеграции. Р1МИТ СПбГПУ, 2003.
- Бахвалов Ю.Н. Моделирование поверхности отклика, удовлетворяющей данным наблюдения. — Таганрог: ТРТУ, Перспективные информационныетехнологии и интеллектуальные системы, (№ 3) 2003.
- Бахвалов Ю.Н. О некоторых возможностях обучения радиально-базисных нейронных сетей. — Москва: МИФИ. VI Всеросийская научно-техническаяконференция «Нейроинформатика — 2004″, 2004.
- Будаев М.В., Лось В.Л. Бифуркационный стохастический алгоритм минимизации функционала ошибки и приложения. — Красноярск.:Нейроинформатика и ее приложения, 2003.
- Вентцель Е.С., Овчаров Л. А. Теория вероятностей и ее инженерные приложения. — М.: Высшая школа, 2000. — 480 с.151
- Винер Н. Кибернетика, или Управление и связь в животном и машине, пер. с англ., 2-е изд., М, 1968.
- Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985. 509с.
- Гитис В.Б. Экспресс-нормирование времени механообработки с использованием нейросетей.- Краматорск.: Нейросетевые технологии и ихприменение, 2002.
- Горбань А.Н., Дунин-Барковский В.Л., Кирдин А. Н. и др. Нейроинформатика — Новосибирск: Наука. Сибирское предприятие РАН, 1998.-296с.
- Горбань А.Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука (Сиб. отделение), 1996. 276 с.
- Горбань А.Н. Обучение нейронных сетей. М.»: год. СССР-США СП «Параграф», 1990. 160 с. (English Translation: AMSE Transaction, ScientificSiberian, A, 1993, Vol.6. Neurocomputing, PP. 1−134).
- Горелик А.Л., Скрипкин B.A. Методы распознавания. — М.: Высшая школа, 1989.
- Дуда Р., Харт П. Распознавание образов и анализ сцен.- М.: Мир, 1976.- 512с.
- Ежов А. Чечеткин В. Нейронные сети в медицине. — М.: Открытые системы N4, 1997.
- Ежов А.А. Шумский А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: 1998.
- Еременко Ю. И. Дудников В.А. Интеллектуализация управления приводами рабочей клетки прокатного стана. — Краматорск.: Нейросетевые технологиии их применение, 2002.
- Закутный А. С. Коцюбинский B.C. Лушев СВ. Система стабилизации мощности резания пилы горячей резки сортового проката. — Краматорск.:Нейросетевые технологии и их применение, 2002.152
- Иваненко Б. П. Проказов А. Нейросетевые методы имитационного моделирования процессов нефтедобычи. — М. Нейрокомпьютеры: Разработка, применение. N7, 2003.
- Ивахненко А.Г. Самообучающиеся системы распознавания и автоматического регулирования.- Киев: Техника, 1969.- 392 с.
- Камаев В. А. Шкурина Г. Л. Панченко Д. П. Филатов Б.Н. Буланова Е. В. Автоматизированная система диагностики острых отравлений на основеискусственных нейронных сетей. — Краматорск.: Нейросетевые технологиии их применение, 2002.
- Кендалл М., Стьюарт А. Статистические выводы и связи.- М.: Наука, 1973. 900с.
- Ким Н.В., Обработка и анализ изображений в системах технического зрения: Учебное пособие. — М: Изд-во МАИ, 2001. — 164 с.
- Ковалевский СВ. Нейросетевые технологии и их применение в машиностроении, Краматорск.: Нейросетевые технологии и ихприменение, 2002.
- Ковалевский В. Бывшев Р. А. Решение задачи управления основными фондами с применением нейросетевых моделей. — Краматорск.:Нейросетевые технологии и их применение, 2002.
- Ковалевская Е.С. Нейросетевое прогнозирование качества термообработки сталей и сплавов. — Краматорск.: Нейросетевые технологии и ихприменение, 2002.
- Колентьев В. Альтернативный способ обучения многослойных сетей прямого распространения в задаче распознавания образов. — Спб.:4-яМеждународная Конференция DSPA-2002.
- Колмогоров А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиции непрерывных функций одногопеременного. Докл. АН СССР, 1957. Т. 114, No. 5. 953−956.153
- Колмогоров А.Н. О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числапеременных. Докл. АН СССР, 1956. Т. 108, No. 2. 179−182.
- Лесин В.В., Лисовец Ю. П. Основы методов оптимизации. — М.: МАИ, 1998.
- Марчук Г. И. Методы вычислительной математики. 3-е изд., М.:Наука, 1989.
- Матвеев О. В,. Методы приближенного восстановления функций, заданных на хаотических сетках. — М.: Известия РАН. Сер. матем., 1996, т. 60, JV25.62.0.В.
- Матвеев О. В. Об одном методе интерполирования функций на хаотических сетках. — М.: Известия РАН. Сер. матем., 1997, т. 62, № 3.
- Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия.- М.: Финансы и статистика, 1982.- 239 с.
- Назаров Л.Е. Сравнительный анализ нейросетевого и фрактального алгоритмов сжатия изображений Земли из космоса. — М. Нейрокомпьютеры: Разработка, применение. N7, 2003.
- Прэтт У., «Цифровая обработка изображений», т.2
- Пуарье Д. Эконометрия структурных изменений. — М.: Финансы и статистика, 1981. -184 с.
- Скляренко Е.Г. Системы регулирования электроприводов роботов с использованием нейромоделей. — Проблемы автоматизированногоэлектропривода. Теория и практика: Вестник XI НУ. Специальный выпуск.- Харьков: ХГНУ, 1998.
- Терехов А. XML и нейроагенты в сети. Снежинский физико-технический институт, г. Снежинск. ООО «НейрОк», г. Москва.
- Терехов А. Типовые задачи для информационного моделирования с использованием нейронных сетей. Снежинск, декабрь 2000 г. URL: http://alife.narod.ru/lectures/tasks/index.html
- Томашевич Н.С. Об одном методе решения задачи аппроксимации функций с помош, ью двухслойной нейронной сети переменной структуры.154- СПб.: 3-я Международная Конференция DSPA — 2000.
- Уидроу Б., Стирнз Адаптивная обработка сигналов. М.: Мир, 1989. 440с.
- Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975. 534с.
- Шаламов А. В. Мазеин П.Г. Нейронные сети как новый подход к управлению технологическим оборудованием, — Известия Челябинскогонаучного центра, вып. 1(18), 2003.155