Badiiy asabiy tarmoqlarni nurlanishda qo'llash yo'q qilmaydigan nazorat

Badiiy asabiy tarmoqlarni nurlanishda qo'llash
YO'Q QILMAYDIGAN NAZORAT
© 2019 S.Yu. Nazarenko1, *, V.A. Hoopoe 1.2, **
1 Milliy tadqiqot Tomsk politexnika universiteti, Rossiya 634050 Tomsk,
Lenin shoh ko'chasi, 30-uy
2 Milliy tadqiqot Tomsk davlat universiteti, Rossiya 634050 Tomsk,
Lenin xiyoboni, 36
Elektron pochta: *[e-mail]; **[e-mail]
2018 yil 27 dekabrda qabul qilingan; qayta ko'rib chiqilgandan keyin 01.03.2019
19.04.2019 yilda nashrga qabul qilindi
In sun'iy neyron tarmoqlarining amaldagi holati va amaliyotiga umumiy nuqtai
nurlanishni buzmaydigan sinov va sun'iy neyrondan foydalanish bo'yicha ba'zi ma'lumotlar
buzilmaydigan sinovlarning boshqa turlarida tarmoqlar.
Kalit so'zlar: nurlanishni buzmaydigan sinovlar, asab tarmoqlari, nuqsonlarni aniqlash.
DOI: 10.1134 / S013030821906006X
KIRISH
Moddalar, materiallar va mahsulotlar sifatini buzmasdan nazorat qilishning maqsadi nafaqat
nuqsonlarni aniqlash, shuningdek potentsial xavfning turli darajalari tufayli ularni tan olish
har xil turdagi nuqsonlar [1]. Aniqlangan nuqsonlarni tan olish sezilarli darajada oshadi
texnologiyani boshqarishni optimallashtirish uchun ob'ektiv zarur bo'lgan nazoratning axborot mazmuni
jarayonlar va mahsulot sifati. Hozirgi vaqtda turli xil tizimlar qatorida
buzilmaydigan sinovlar jadal rivojlanayotgan tizimlardan biridir
nurlanishni o'lchash natijalarini vizual ko'rsatish bilan radiatsiya monitoringi [2].
Texnik nuqsonlarni aniqlashdan tashqari, ular o'tkazilgan tekshiruvda keng qo'llaniladi
aeroportlar, chegara va temir yo'l stantsiyalari, davlat idoralari va boshqalar
transport xavfsizligini ta'minlash va kontrabandaga urinishlarning oldini olish maqsadi
binolar) taqiqlangan narsalar [3]. Ushbu tizimlarda ichki elementlarning tan olinishi
shaffof ob'ektning tuzilishi an'anaviy ravishda yarim
inson operatori tomonidan ob'ektning radiatsion tasviriga mos keladigan tonal tasvir.
Bunday tan olish bir qator tabiiy kamchiliklarga ega: sub'ektivlik, past ishonchlilik,
operatorning vakolatidan soddaligi va boshqalar natijasida ixtisoslashgan foydalanish
nurlanish tizimlari uchun tasvirni avtomatik ravishda aniqlash usullari va algoritmlari
nazorat va tekshirish ularning samaradorligini sezilarli darajada oshiradi. Ana shunday algoritmlardan biri
ritmlar hozirgi vaqtda sun'iy usuldan foydalanishga asoslangan algoritmlardir
asab tarmoqlari.
Hozirgi vaqtda turli xil sun'iy neyron tarmoqlarini faol joriy etish mavjud
inson faoliyatining yangi yo'nalishlari. Nerv tarmoqlari qiyin shakllarni echish uchun ishlatiladi
aniq echim algoritmini topish qiyin bo'lgan xavfli muammolardan iborat [4]. Hal qilinayotgan vazifalarga
neyron tarmoqlardan foydalanib, nutq, rasm va qo'l yozuvlarini tanib olish vazifalarini o'z ichiga oladi
matn, valyuta kurslari va birja narxlarini bashorat qilish, kasalliklar diagnostikasi.
Ushbu ishning maqsadi amaldagi holat va tajribani tavsiflashdir
buzilmaydigan nurlanishda sun'iy neyron tarmoqlaridan foydalanish
trol Materialni taqdim etish qulayligi uchun avval biologik neyronning tavsifini taqdim etamiz.
shovqinli tarmoq.
BIOLOGIK NERON TARMOQLARI
Sun'iy neyron tarmoqlari bilan olib borilgan tadqiqotlar ta'lim berishning yo'lini ko'rsatdi
inson miyasi tomonidan axborotni qayta ishlash qo'llaniladigan usullardan sezilarli darajada farq qiladi
an'anaviy raqamli kompyuterlardir [5]. Inson miyasi ma'lumotni qayta ishlash tizimi sifatida
mation juda murakkab, chiziqli bo'lmagan, yuqori tezlikda ishlaydigan kompyuter sifatida qaralishi mumkin.
54
S.Yu. Nazarenko, V.A. Hoopoe
U o'zining tarkibiy qismlarini (neyronlarni) neyronlar qila oladigan qilib tartibga solishga qodir
naqshni aniqlash, sezgi organlarini signalni qayta ishlash, vosita kabi vazifalarni bajarish
zamonaviy kompyuterlarning ko'pchiligiga qaraganda bir necha marotaba tezroq ishlaydi [5].
Oddiy ko'rish - bunday ma'lumotlarni qayta ishlash vazifasining misoli. Inson s oladi
ma'lumotlarning 90% dan ko'prog'ini ko'rish yordamida [6]. Vizual tizimning funktsiyalaridan biri bu
imkoniyat yaratadigan tarzda atrofimizdagi dunyo haqidagi g'oyani yaratish
insonning bu dunyo bilan o'zaro ta'siri. Bunday holda, miya ketma-ket tarqatish vazifalarini bajaradi
notanish muhitda tanish yuzni tanib olish kabi bilish. Ijro uchun
bu vazifa miyani taxminan 100-200 millisekundaga va shunga o'xshash vazifalarni hal qilishga imkon beradi
kompyuterda kamroq murakkablik bir necha kun davom etishi mumkin [6].
Sun'iy neyronga asoslangan tarmoq konfiguratsiyasi va algoritmlarini ishlab chiqishda
tarmoqlar, tadqiqotchilar miya faoliyatini bio- analogiga o'xshash tashkil etish shartlaridan foydalanadilar.
mantiqiy asab tarmoqlari. Afsuski, miya faoliyati to'g'risidagi bilimlar sezilarli darajada cheklangan.
va neyron tarmoqlar yaratuvchilari zamonaviy biologik doiradan tashqariga chiqishi kerak
foydali funktsiyalarni bajarishga qodir tuzilmalarni qidirishda bilim.
Shunday qilib, tadqiqotchilar o'z asarlarida biologik atamalardan, miyadan voz kechishadi
shunchaki metafora bo'lib qoladi va uning hayoti imkonsiz bo'lgan tarmoqlar yaratiladi
miyaning anatomiyasi va ishi to'g'risida juda katta taxminlarni talab qiladigan yoki talab qiladigan [7].
Shunga qaramay, hozirgi vaqtda sun'iy neyron tarmoqlari taqqoslanmoqda
miya, garchi ularning biologiya bilan aloqasi zaif va ko'pincha ahamiyatsiz bo'lsa ham.
Endi biz biologik asab tarmog'ining bevosita tavsifiga murojaat qilamiz.
Biologik asab tarmog'i - bu bosh va o'murtqa neyronlarning to'plamidir
asab tizimida birlashgan markaziy asab tizimining miyasi [5]. Har bir neyron
tananing boshqa tarkibiy qismlari bilan umumiy bo'lgan ko'plab fazilatlar bilan tavsiflanadi, ammo uning
istisno qobiliyat - bu elektrokimyoviy moddalarni qabul qilish, qayta ishlash va uzatish
miyaning aloqa tizimini tashkil etuvchi nerv bog'lanishlari bo'ylab signallar [6]. Tuzilishi
biologik neyron shakl. bitta.
Dendritlar
Sinaptik qo'shimchalar
Miyelin qoplamasi
Hujayra tanasi
Asosiy
Axon
Anjir. 1. Neyronning biologik tuzilishi [6].
Biologik neyron juda murakkab tizimdir. Bu asosan shu bilan bog'liq
neyron, signalni qayta ishlashdan tashqari (uning asosiy maqsadi), hali ham ko'p narsalarni bajarishga majbur
uni tirik saqlaydigan boshqa funktsiyalar. Bundan tashqari, undan signal uzatish mexanizmining o'zi
neyronga rone ham biologik va kimyoviy nuqtai nazardan juda murakkab [6].
Odatda, odamning miya yarim korteksida har biri 1011 ga yaqin neyron borligi ma'lum
103-104 ta boshqa neyron bilan bog'langan. Biologik neyron katta
jarayonlarning soni - dendritlar va bitta uzun tolalar - akson. Dendritlar bo'ylab, asab
impulslar neyronga kiradi va akson bo'ylab ushbu neyrondan nerv impulsi uzatiladi
boshqa neyronlar. Bitta neyronning aksoni boshqa neyronlarning dendritlariga yordami bilan qo'shiladi
sinapslar [8]. Sinaps - bu bitta neyronning chiqishi va boshqasining kirish qismining birlashishi
bu erda signal kuchaytiriladi yoki susayadi.
Qusurlarni aniqlash
№ 6
2019 yil
Buzilmaydigan radiatsion kuzatishda sun'iy neyron tarmoqlarini qo'llash
55
Badiiy asabiy tarmoqlar
Hozirgi vaqtda sun'iy neyron tarmoqlar (ANN) (Sun'iy neyron tarmoqlar,
ANN) biologik neyron tarmoqlarining soddalashtirilgan modellari deyiladi [6].
Signalni qabul qiladigan gipotetik struktura uni o'zgartiradi (taxminan shunday qiladi)
haqiqiy neyronlar) va sun'iy neyronlar deb nomlangan boshqa neyronlarga uzatadi [8].
Sun'iy neyron - bu biologik neyronning soddalashtirilgan modeli [6].
Shakl. 2 biologik va sun'iy neyronlarning soddalashtirilgan ko'rinishini ko'rsatadi.
Nerv tarmoqlarini yaratish uchun ishlatiladigan sun'iy neyronlar juda soddalashtiradi
kuchukchalar, ularning biologik prototiplari bilan taqqoslaganda. Yaratilishi mumkin bo'lgan neyron tarmoqlari
biologik neyron tarmoqlariga nisbatan hozirgi vaqtda ibtidoiy.
Og'irliklar
Kirish
x1
w1
Funktsiya
faollashtirish
x2
w2
Soddalashtirish
to'r
Σ
φ
Chiqish
x3
w3
To'siq
xn
wn
Neyron
Sun'iy neyron
Anjir. 2. Biologik va sun'iy neyronlarning soddalashtirilgan tasviri [6].
Matematik apparatlardan foydalanish natijasida sun'iy neyron tarmoqlari paydo bo'ldi
va asab tizimining ishlashini o'rganishga [9]. Bu holda olingan natijalar muvaffaqiyat bilan
hom naqshlarni aniqlash, modellashtirish, bashorat qilish muammolarini hal qilishda ishlatiladi
niya, optimallashtirish va boshqarish.
Neyron - bu asab tarmog'idagi axborotni qayta ishlash birligi [10]. Sun'iy modelda
shaklda ko'rsatilgan tabiiy neyron. 2, to'rtta asosiy elementni ajratish mumkin.
1. Kirishlar. Har bir neyron, shu jumladan sun'iy, u orqali kirish ma'lumotlariga ega bo'lishi kerak
u xi signallarini qabul qiladi.
2. Ikki neyron orasidagi bog'lanishning kuchliligini (og'irligini) tavsiflovchi sinapslar. Qabul qildi
kirish signallari ularning og'irliklari bilan ko'paytiriladi. Birinchi kirish x1 signali mos keladigan bilan ko'paytiriladi
Ushbu kirish uchun og'irlik w1. Biz x1w1 olamiz. Va n-chi kirishga qadar. Natijada, oxirgi kiraverishda
choy xnwn.
3. Yig'ish mos keladigan og'irliklarga ko'paytirilgan kirish signallarini qo'shadi:
n
x
w
+
x
w
+  +
x
w
x
w
bitta
bitta
2018-04-02 121 2
2018-04-02 121 2
n n
= ∑
men
men
i = 1
Qo'shimchining natijasi - bu tortilgan summa deb nomlangan raqam.
O'lchangan yig'indisi (aniq) - kirish signallari yig'indisi mos keladiganga ko'paytiriladi
ularning vaznlari.
4. Konverter bitta argument vazifasini bajaradi - qo'shimchining chiqishi. Ushbu funktsiya
faollashtirish funktsiyasi yoki siqishni funktsiyasi deb nomlanadi. Transduser amplitudani cheklaydi
neyronning chiqish signali. Odatda, neyronlarning chiqish amplitudalarining normallashtirilgan diapazoni
[0, 1] yoki [-1, 1] oralig'ida yotadi.
Nervlararo bog'lanishlarning tuzilishiga ko'ra, sun'iy neyron tarmoqlari uchta asosiyga bo'linadi
sinf [5].
1. To'g'ridan-to'g'ri tarqalishning bir qatlamli sun'iy asab tarmoqlari. Bu tarmoqlar
uning signali faqat kirish qatlamining neyronlaridan chiqish qatlamining neyronlariga uzatiladi (hisoblab chiqilgan)
so'zma-so'z).
Qusurlarni aniqlash
№ 6
2019 yil
S.Yu. Nazarenko, V.A. Hoopoe
2. Ko'p qatlamli besleme tarmoqlari. Ko'p qavatli sun'iy asab tomon
feedforward tarmoqlari xarakterli neyron tarmoqlari sinfini o'z ichiga oladi
bir yoki bir nechta yashirin qatlamlarning mavjudligi. Bunday yashirin qatlamlarning tugunlari yashirin deyiladi
mi neyronlar. Yashirin neyron funktsiyasi tashqi kirish o'rtasidagi vositachilikni ta'minlaydi
asab tarmog'ining signali va chiqishi.
3. Takroriy tarmoqlar. Takroriy neyron tarmoqlari bitta yoki mavjudligi bilan tavsiflanadi
mahalliy yoki global turdagi bir nechta mulohazalar.
So'nggi yillarda chuqur neyron tarmoqlari - ko'p qatlamlik mashhurligining oshishi kuzatilmoqda
bir nechta ichki (yashirin) qatlamli sun'iy neyron tarmoqlari. u
zamonaviy kompyuterlar ishining sezilarli o'sishi tufayli,
chuqur nerv tarmoqlarini o'rgatish uchun zarur bo'lgan katta hajmdagi ma'lumotlarni to'plash va
shuningdek, ko'plab qatlamlardan tashkil topgan tarmoqlarni tayyorlash usullarini takomillashtirish orqali [11,
12]. Chuqur neyron tarmoqlarining o'ziga xos xususiyati shundaki, tarmoq avtomatik ravishda ishlaydi
ma'lumotlardan muammoni hal qilish uchun zarur bo'lgan muhim xususiyatlardan ajratib olinadi.
Katta hajmdagi ma'lumotlardan murakkab xususiyatlarni topish va ulardan foydalanish muammolarini hal qilish
tasvirlarni samarali tan olish va tasniflash sohasida, asabiy
konvolyutsion neyron tarmoq (CNN) deb nomlangan tarmoqlar. Konvolyutsion asab tizimi
o'zgaruvchan aniqlanganlardan tashkil topgan bir tomonlama nerv tarmoqlari
bir necha qatlamlar - konvolyutsiya qatlamlari va pastga namuna olish
subampling qatlamlari, biriktiruvchi qatlamlar [11-13]. O'qishga asoslangan holda
mustaqil ravishda foydalanadigan konvolyutsion asab tarmog'i bilan bir xil sinfning tekshirilgan rasmlari
konvolyutsion qatlamlar ushbu sinfni tavsiflovchi va ajralib turadigan xususiyatlar to'plamlarini (xaritalarini) shakllantiradi
ularni boshqa tasvirlardan ajratib olish [13]. Sub-namuna olish qatlamlari tasvirni pastga tushiradi.
Sun'iy neyron tarmoqlarini qo'llash sohalari juda xilma-xildir. Neyron tarmoqlari
quyidagi faoliyat yo'nalishlari bo'yicha dastur topdi [14]:
iqtisodiyot va biznes: vaqt qatorlarini prognoz qilish (valyuta kurslari, savdo hajmi, talab
ca, xomashyo narxi va boshqalar), kam baholangan va yuqori baholangan firmalarni aniqlash, taqiqni bashorat qilish
yumshoqlik, pul mablag'lari va tovar oqimlarini optimallashtirish [4, 15, 16];
tibbiyot va sog'liqni saqlash: kasalliklar diagnostikasi, tibbiy tasvirlarni qayta ishlash,
asboblarni o'qish shovqinini kamaytirish, turli xil usullardan foydalanish natijalarini taxmin qilish
davolash imkoniyatlari [17-20];
robototexnika: robot oldida turgan narsalarni va to'siqlarni tanib olish, marshrutni qo'yish
robotlar harakati [21, 22];
xavfsizlik, xavfsizlik tizimlari: yuzni aniqlash; barmoq izlarini aniqlash
barmoqlar, yuz, ovoz, imzo; davlat raqamini tan olish [11, 23];
kimyo sanoati, neftni qayta ishlash, energetika: texnik tahlil
uskunalarning holati, quvvat sarfini prognoz qilish [24-26].
Quyida neytrallarni amaldagi tatbiq etish holati va tajribasi tasvirlangan.
buzilmaydigan sinovlarda to'rlar.
Badiiy asabiy tarmoqlarni nurlanishda qo'llash
YO'Q QILMAYDIGAN NAZORAT
[27] da har xil turlarini tanib olish uchun avtomatik identifikatsiya qilish tizimi tavsiflangan
rentgen tasvirlari asosida payvandlash nuqsonlari. Qusurlarni fondan ajratish uchun,
Tasvirni qayta ishlashning fonni ayirish va cheklash kabi texnologiyalari ko'rib chiqiladi. Uchun
har bir nuqson turini aks ettiruvchi, tavsiflovchi o'n ikkita raqamli xususiyat ta'kidlangan
nuqsonlarning joylashishi, shakli, hajmi va "intensivligi" haqida ma'lumot. Qadriyatlar ta'kidlangan
keyinchalik payvandlash nuqsonlarini har xil turlarga ajratish uchun belgilar ishlatilgan
ikkita taniqli klassifikator yordamida: loyqa k-yaqin qo'shnilar va
ko'p qavatli perceptron neyron tarmoqlari.
Payvandlash nuqsonlarini tasniflash uchun chiziqli bo'lmagan rasm tasniflagichlari
sun'iy neyron tarmoqlari yordamida amalga oshiriladigan radiografik tasvirlar,
nuqsonlarni chiziqli sinflar bilan taqqoslaganda yanada muvaffaqiyatli diskriminatsiya qilish uchun [28] da qo'llanilgan
sifilar. Tasniflagichlarning kirish ma'lumotlari sifatida geometrik parametrlardan foydalanilgan.
turli darajadagi nuqsonlarning belgilari. Ma'lumotlarning etishmasligini oz sonli bilan bartaraf etish uchun
asab tarmog'ini o'rgatish uchun namunalar sifatida, kam sonli nuqsonlar sinflari
ma'lumotlar takrorlandi. O'rganilgan sinflarni tanib olish qobiliyatini baholash
Qusurlarni aniqlash
№ 6
2019 yil
Buzilmaydigan radiatsion kuzatishda sun'iy neyron tarmoqlarini qo'llash
57
ishlatilgan geometrik xususiyatlar, asabiylik mezonini qo'llagan holda ko'rsatildi
funktsiyalarning sifati ishlatiladigan funktsiyalar sonidan ko'ra muhimroq ekanligini chaqirish.
[29] mualliflari asosiy turlarning tasniflash aniqligini baholash uchun tadqiqot o'tkazdilar
chokning nuqsonlari, masalan, g'ovaklilik, shlak qo'shilishi, yoriqlar yoki termoyadroviy etishmasligi. Uchun
ushbu ishni bajarishda chiziqli bo'lmagan tasvir tasniflagichlari ishlab chiqilgan
neyron tarmoqlarini chiqaring. Payvand choklarining 67 ta rentgenografik tasviri tahlil qilindi.
Payvand choklarining tasniflanish aniqligini hisoblash uchun tasodifiy ikkita usul
ma'lumotlarni tanlash: joyni o'zgartirmasdan usul va yordamida qayta joylashishni aniqlash usuli
bootstrap usuli. Natijalar shuni ko'rsatdiki, tahlil qilingan nuqsonlarning tasnifi aniqligi
comov taxminan 80% ni tashkil etdi.
[30] rentgenografiyada payvandlash nuqsonlarini aniqlashning avtomatik tizimini tavsiflaydi
choklarning tasvirlari. Birinchi bosqichda o'z ichiga olgan payvandlash joylarini aniqlash
nuqsonlar va nuqson turini tan olish, tasvirni qayta ishlashning bunday usullari amalga oshirildi.
shovqinni pasaytirish, kontrastni kuchaytirish, eshik chegarasi va yorliqlash kabi. Ustida
ikkinchi bosqichda xarakterlovchi geometrik xususiyatlar to'plami taklif qilindi va aniqlandi
Otsu usuli yordamida nuqsonli tasvirlar orasidagi nuqsonning shakli va yo'nalishi. Ustida
uchinchi bosqichda payvandlangan nuqsonlarni tasniflash uchun sun'iy neyron tarmoq ishlatilgan
tikuv. Mualliflar tomonidan klassifikatorning eng yaxshi ko'rsatkichlariga erishish uchun [30]
tarmoqni umumlashtirishning uch xil usulini o'rgatish uchun ishlatiladi. Natijalar uslub bilan taqqoslandi
umumlashtirmasdan uy. Klassifikatorning kirish xususiyati vektorining o'lchamini kamaytirish uchun
asosiy tarkibiy qismlarni tahlil qilish usulidan foydalangan.
Payvandlangan radiografik tasvirlardan nuqson belgilarini aniqlashga yangi yondashuv
Gamma nurlari yordamida olingan birinchi tikuv [31] da keltirilgan. Ushbu yondashuvda tasvirlar
leksikografik jihatdan 1D signallarga tartiblangan. Keyin, ushbu signallardan foydalanib, qopqoq hisoblab chiqildi
nutqni aniqlash uchun qoida tariqasida foydalaniladigan stratal koeffitsientlar [32], ular
nuqsonlarni aniqlash uchun belgilar bilan yashagan. Tavsiya etilgan xususiyatlarni taqqoslash uchun
yondashuv neyron tarmoqlardan foydalanilgan. Taklif qilinayotgan yondashuv samaradorligi baholandi
ettitani o'z ichiga olgan choklarning o'n oltita rentgenografik tasviridan foydalanish
o'n uchta nuqson. Ishlashni baholash uchun sinovdan o'tgan tasvirlar gauss tomonidan buzilgan
loyqa va noaniq holda engil, impulsiv, dog 'yoki Poisson shovqinlari.
Eksperimental natijalar shuni ko'rsatdiki, taklif qilingan yondashuv yuqori darajaga imkon beradi
radiografik tasvirlardagi nuqsonlarni avtomatik ravishda aniqlash uchun sodiqlik
shovqin va loyqalik mavjud bo'lganda.
[33] da nuqsonlarni radiografik tasvir bilan aniqlashga yondashish ko'rib chiqilgan.
payvandlash. Ushbu yondashuv yordamida nuqsonlar belgilari ma'lumotlar bazasini yaratishga asoslanadi
bo'r chastotali cepstral koeffitsientlar va olingan polinomial koeffitsientlar
bajarilgandan keyin payvandlashning segmentlangan joylarining quvvat zichligi spektrlaridan
oldindan ishlov berish va segmentatsiya bosqichlari. Sun'iy neyron tarmoqlari ishlatiladi
nuqsonlarni avtomatik ravishda aniqlash uchun mos keladigan xususiyatlar jarayoni uchun ishlatiladi
radiografik tasvirlar. Tavsiya etilgan yondashuvni amalga oshirish uchun 150
har xil turdagi shovqin va xiralashuv mavjudligida radiografik tasvirlar.
Eksperimental natijalar shuni ko'rsatdiki, taklif qilingan yondashuv yuqori darajani ta'minlaydi
payvandlash nuqsonlarini radiografik tasvirlar bilan avtomatik aniqlashning ishonchliligi
shovqinli muhitda ishlash va yuqori tan olish ko'rsatkichlariga erishishga imkon beradi.
[34] da nuqsonlarni avtomatik ravishda aniqlash va tasniflash usuli asosida taqdim etilgan
payvandlangan bo'g'inlarning genografik tasvirlari. Tavsiya etilgan usulga ko'ra, ijara haqi
genografik tasvirlar chokning joylashishini, bir xil emasligini aniqlaydi
payvandlash sohasidagi segmentlar (mumkin bo'lgan nuqsonlar) va ularning belgilari
bir xil emaslik. Tanlangan funktsiyalar teskari ko'p qavatli pertseptronda qo'llaniladi
bir xil bo'lmaganlikni tasniflash uchun backpropagation o'quv algoritmi bilan bog'lanish
"Qusur - nuqson yo'q". Sinov ma'lumotlari uchun klassifikatorning aniqligi 88,6% ga etdi.
Natijalarni rentgenografiya yordamida oldingi tadqiqotlar bilan taqqoslash
Tasvirlar tavsiya etilgan usulning istiqbolli ekanligini ko'rsatadi.
Mualliflarning ta'kidlashicha, ish avtomatik aniqlashni takomillashtirishga yordam beradi
natijalari bo'lishi mumkin bo'lgan rentgenografik tasvirdagi payvandlash nuqsonlari
payvandlash inspektorlari tomonidan texnik hisobotlarni tayyorlashda yordam sifatida foydalaniladi.
[35] mualliflari aniqlash, tanib olish va tasniflash uchun avtomatik tizimni tavsiflaydi
rentgen tasvirlaridagi payvandlash nuqsonlari va ikkitasining samaradorligini baholash
D.
S.Yu. Nazarenko, V.A. Hoopoe
neyroklassifikatorlar: sun'iy asab tarmog'i va loyqa xulosa chiqarish tizimiga asoslangan
adaptiv tarmoq. Birinchi bosqichda payvandlash joylarini tan olish va potentsialni aniqlash
tasvirni qayta ishlash usullari, shu jumladan shovqinni kamaytirish,
kontrastni kuchaytirish, cheklash va yorliqlash. Ikkinchi bosqichda u taklif qilingan va
shakli va yo'nalishini tavsiflovchi 12 ta geometrik xususiyatlar to'plamini tanladi
mumkin bo'lgan nuqsonlar orasidagi nuqson. Uchinchi bosqichda sun'iy bilan taqqoslash amalga oshirildi
tasniflash uchun adaptiv tarmoq bilan neyron tarmoq va loyqa xulosa chiqarish tizimi
payvandlash nuqsonlari. Taklif etilayotgan avtomatik tanib olish va tasniflash tizimi amalga oshiradi
payvandlash nuqsonlarining to'rtta asosiy turini, shuningdek "
qusur ". Eng yaxshi aniqlikni ta'minlaydigan usulni aniqlash uchun natijalar taqqoslandi.
tasnif. Buning uchun korrelyatsiya koeffitsientlari, tekshirish matritsasi va
sun'iy neyron tarmoq va avtomatik boshqaruv tizimi uchun aniqlik. Aniqlik yoki
prognozlarning umumiy sonining to'g'ri nisbati sun'iy uchun 78,9% ni tashkil etdi
neyron tarmoq va adaptiv tarmoqqa ega bo'lgan g'alati xulosa chiqarish tizimi uchun 82,6%.
[36] yilda nuqsonlarni avtomatik aniqlashning samarali va moslashuvchan usuli taklif qilingan.
rentgen rejimida nuqsonlarni kuzatish yordamida harakatlanuvchi payvand choki
real vaqtda tasvir. Bunday holda tasvirni segmentatsiya qilish algoritmi ishlatilgan.
barcha mumkin bo'lgan payvandlash nuqsonlarini aniqlash uchun past chegara
ketma-ketlikdagi har bir rasm. Keyin o'zgartirilgan transformatsiya qo'llanildi.
Potentsial nuqsonlarning og'irlik markazini ketma-ketlikda kuzatib borish uchun hoyu
tasvir sifati va kuzatib bo'lmaydigan potentsial nuqsonlar, ularni yo'q qilish
yolg'on nuqsonlar sifatida paydo bo'ldi. Olingan tajriba natijalari buni tasdiqlaydi
tavsiya etilgan usuldan foydalanish payvandlash nuqsonlarini yuqori darajada aniqlashga imkon beradi
ishonch va shovqin tufayli yuzaga keladigan yolg'on signallardan saqlanish.
[37] mualliflari aniqlash uchun Kalman filtrlashga asoslangan usulni taklif qilishadi
real vaqtda rentgenografik tasvirlarga asoslangan spiral quvurlarning payvandlash nuqsonlari.
Rasmdagi shovqin va fon tartibsizliklari mavjudligi ko'plab noto'g'ri signallarni keltirib chiqaradi.
Ushbu ishda tasvirlar ketma-ketligidagi nuqsonlar traektoriyalarining uzluksizligi aniqlangan
Haqiqiy nuqsonlarni aniqlash uchun Kalman filtrlash yordamida amalga oshiriladi. Potentsial
uzluksiz harakatlanmasdan nuqsonli joylar yolg'on signalizatsiya deb hisoblanadi va ta'mirlanadi.
O'tkazilgan tajribalar taklif qilingan usulning moslashuvchanligini namoyish etdi. Shu qatorda; shu bilan birga
bu usulning barqarorligini beqaror aniqlash tezligida tekshirdi.
Texnologiya sifatini nazorat qilish uchun rentgen tekshiruvining dolzarbligini hisobga olgan holda
turli xil sohalarda uskunalar, mahsulotlar, metall konstruksiyalar,
avtomatlashtirish uchun ko'plab ilmiy loyihalar amalga oshirildi
payvandlangan tanaffuslarni tahlil qilish va talqin qilish. [38] da nuqsonlarni avtomatik boshqarish va tekshirish
asosida payvandlash rentgen tasvirlari chegaralarini aniqlash usuli bilan amalga oshirildi
hammom, asosan, ko'p qavatli perceptrondan foydalanishga asoslangan. Mualliflar [38] tasvirlangan
foydalanish asosida radiografik tasvirlar yordamida payvandlash nuqsonlarini aniqlash usuli
nuqsonlarni tasniflashga qaratilgan va ko'paygan sun'iy neyron tarmoqlarini rivojlantirish
e'tirof etish muvaffaqiyati ulushi. Ish to'rt bosqichda amalga oshirildi: birinchi bosqich
ma'lumotlar bazasini tayyorlashdan iborat bo'lib, keyinchalik ikkinchi bosqichda o'qitish uchun ishlatilgan.
Keyingi bosqich ikkita asosiy qismda o'tkazildi: birinchi qism kontsentratsiyani aniqlashga bag'ishlangan.
raundlar, ikkinchi qism qo'shimcha konturlarni yo'q qilishdan iborat edi. Nihoyat, u amalga oshirildi
payvandlangan tikuvlarning haqiqiy tasvirlari asosida nuqsonlarni tan olish.
[39] da payvand choklarining rentgen difraksiyasi naqshlaridagi nuqsonlarni aniqlash va tasniflash usuli keltirilgan.
tikuvlar. Ushbu usul tasvirlardagi bo'shliqlarni aniqlash va aniqlash uchun qo'llanilgan.
g'ovak kabi noto'g'ri signallarga yoki nuqsonlarga mos keladigan choklar
qarshilik, cüruf qo'shilishi, gaz teshiklari, eritish yoki yorilish yo'q. 43 ta tavsiflangan to'plam -
to'qima o'lchamlari va geometrik xususiyatlariga mos keladigan tori olinadi
har bir segmentlangan ob'ekt va klassifikatorga kirish sifatida ko'rsatilgan. Klassifikatorni o'qitish
ob'ektlarning har birini defekt sinflaridan biriga taqsimlash yoki uni shunday xarakterlash zarur
"Kamchilik". Uch marta o'zaro tekshiruvdan foydalanildi va eksperiment natijalari
Siz uch xil tasniflagich uchun taqdim etilasiz (qo'llab-quvvatlash vektor mashinasi, neyron tarmoq,
k-NN klassifikatori).
Radiografik tasvirlar yordamida payvandlashda nuqsonlarni aniqlash tizimi
[40] da taqdim etilgan. Ishning asosiy maqsadi ishonchli tizim yaratish edi, chunki
inson operatori barqaror emas
Buzilmaydigan radiatsion kuzatishda sun'iy neyron tarmoqlarini qo'llash
59
va geometrik xususiyatlardan foydalangan holda payvandlash nuqsonlarini tasnifi.
Birinchidan, shovqinni pasaytirish radiografik tasvirlarda mavjud bo'lganligi sababli amalga oshiriladi
shovqin yig'ish. Shundan so'ng, nuqsonlar orasidagi maksimal farq bilan mahalliylashtirilishi kerak
sinflar va sinf ichidagi minimal farq. Bundan tashqari, xususiyatlarni qazib olish amalga oshiriladi,
segmentlangan tasvirlarda lokalizatsiya qilingan ob'ektlar shaklini tavsiflash. Foydalanish
ushbu shakllarni aniqlovchi (geometrik xususiyatlar), nuqsonlar yordamida tasniflangan
sun'iy neyron tarmoq.
[41] da payvandlash nuqsonlarining xarakterli parametrlari qanchalik muhimligini baholash berilgan
chiziqli korrelyatsiya usuli, shuningdek tegishli parametrlarni chiziqli ishlatish uchun
neyron tarmoqlari yordamida ishlab chiqilgan andozalarning klassifikatori. Qabul qildi
natijalar usulning samaradorligini tasdiqlaydi, bu rivojlanish uchun muhim qadamni anglatadi
avtomatlashtirilgan radiografik boshqaruv tizimi.
[42] mualliflari asosida payvandlangan bo'g'imdagi nuqsonlar hajmini aniqlash usulini ishlab chiqdilar
nuqson tasvirini fotometriya usulini tasvirni kompyuterda qayta ishlash bilan birlashtirish
maxsus dastur bo'yicha fermentatsiya, bu ishlov berish jarayonini tezlashtirish va ko'paytirishga imkon berdi
payvandning ildizida penetratsiya etishmasligi chuqurligini hisoblashning aniqligi. Shuningdek, natijalar berildi
sun'iy va tabiiy nuqsonlar bo'yicha usulni aprobatsiya qilish. Tasvirni tahlil qilish uchun, rentgen
Weld dasturi yangi rasm uchun va penetratsiya etishmasligi parametrlarini hisoblash uchun ishlatilgan. Jarayonda
sinov, 15 ta namuna oldindan aniqlangan parametrlar bilan ishlov berildi (penetratsiya etishmasligi)
chuqurlik). Sinov natijalari shuni ko'rsatdiki, o'rtacha hisoblangan chuqurlik
nuqson chiziqli ravishda haqiqiy qiymatga bog'liq.
[43] da radiatsion tasvirlarni kompyuterda dekodlashni avtomatlashtirish muammosi ko'rib chiqilgan.
payvandlangan bo'g'inlar, ularning echimi uchun arxivlash kompleksi va avtomatik
payvandlangan bo'g'inlarning radiografik tasvirlarini kompyuter yordamida izohlash
"MOSHINALAR". Kompleks raqamli tasvirlarning skanerlash orqali shakllanishini ta'minlaydi
payvandlangan bo'g'inlarning rentgenografik tasvirlari, shuningdek arxivlash va avtomatlashtirilgan
ushbu rasmlarni shifrlash.
KARS dasturi nurlanishni dekodlash bo'yicha quyidagi asosiy operatsiyalarni amalga oshiradi
payvandlangan bo'g'inlar tasviri:
1) bitta nuqsonlar va ularning tasvirini qidirish, o'lchamlari va tasnifi
(nuqsonlarni) baholash;
2) nuqsonlar tasvirlari klasterlarini izlash va ularni (nuqsonlar klasterlarini) baholash;
3) payvandlangan bo'g'inning eng yomon qismini qidirish va baholash;
4) umuman payvandlangan birikmaning sifatini baholash;
5) bir yoki bir nechta payvandlangan bo'g'inlarning sifati to'g'risida xulosa berish.
[44] da mos keladigan raqamli nurlanish tasvirining matematik modeli taqdim etilgan
ikki turdagi nuqsonlarni o'z ichiga olgan sinov ob'ekti - teshiklar va yoriqlar (yoki
vars). Ushbu nuqsonlarni avtomatik ravishda tanib olish uchun ikkita algoritm ishlab chiqilgan.
ob'ektning raqamli radiatsion tasvirida va ko'rsatilgan samaradorlikning baholarida
matematik modellashtirish orqali algoritmlar. Birinchi algoritmning mohiyati shundaki
u o'rganilayotgan tasvirni oldindan filtrlash orqali segmentatsiyalashda ishlatiladi
maksimal binarizatsiya va maksimal va minimal o'qlarni aniqlash uchun foydalanish
segment inertsiyasi. Ikkinchi algoritmning mohiyati o'rganilayotgan tasvirni segmentatsiyalashdan iborat.
kumulyativ summa protsedurasidan foydalangan holda va asl hal qiluvchi qo'llanilgan
to'siq-nazariy yondashuvga asoslangan th qoida. Sinov natijalariga asoslanib
shundan kelib chiqadiki, ikkinchi tanib olish algoritmi samaradorlik bo'yicha birinchi darajadan yaxshiroq va shu bilan birga,
Kichkina joylar va past signal-shovqin nisbati uchun yaxshiroqdir. Mualliflar taklif qilmoqdalar
o'xshash algoritmlarni solishtirish uchun ikkinchi algoritmdan asos sifatida foydalaning
maqsadi va uni tergov qilinayotgan haqiqiy nuqsonlarni tan olishga moslashtirish
ob'ektlar.
Raqamli nurlanish tasvirini avtomatik segmentatsiya qilish algoritmlarining samaradorligi
algoritmlarning tegishli tarkibiy elementlari bo'lgan boshqaruv ob'ekti,
[44] da aytilgan, [45] da tahlil qilingan.
[46] da, muammoni hal qilishda konvulsion neyron tarmoqlardan foydalanish imkoniyati
mahsulotlarni buzmaydigan sinovdan o'tkazish. Konvolyutsion neyron tarmoqlarini tashkil etish oldindan ko'rib chiqilgan
statsionar bo'lmagan va yomon rasmiylashtirilgan ma'lumotlarni qayta ishlashda ulardan foydalanishning afzalliklari. Ustida
Amalga oshirilgan tahlillar asosida konvolyutsion asabdan foydalanish to'g'risida xulosa chiqarildi
radiografik tasvirlardagi metall yuzalardagi nuqsonlarni aniqlash tarmoqlari.
Qusurlarni aniqlash
№ 6
2019 yil
S.Yu. Nazarenko, V.A. Hoopoe
[47] mualliflari payvand choklarini avtomatik ravishda aniqlash algoritmini taklif qilishdi
Soddalashtirilgan dastlabki protseduradan foydalaniladigan rentgen tasvirlari
payvandlash joyini topish uchun tasvirni qayta ishlash. Algoritm asoslanadi
ajratilgan maydonlarda o'qitiladigan va sinovdan o'tkaziladigan chuqur neyron tarmog'idan foydalanish
payvandlangan tikuvlarning rentgen tasvirlaridan olingan. Tajribalar natijalari shuni ko'rsatdiki,
Amaliy algoritm payvandlangan bo'g'inlarning sifatini baholash uchun juda samarali.
[48] ​​da, rentgen tasvirlaridagi payvand choklaridagi nuqsonlarni aniqlash va tasniflash
ularning notekis taqsimlanishi sharoitida har xil turdagi nuqsonlarning ta'rifi, modeli ishlab chiqilgan,
chuqur konvolyutsion neyron tarmoqqa (DCNN) asoslangan. O'quv ma'lumotlar to'plami sifatida
rentgen tasvirlaridagi ta'kidlangan joylardan foydalanilgan. Ishlab chiqilganlardan foydalanish
asab tarmog'i nuqsonlarni tasniflashda 97,2% aniqlikni olishga imkon berdi.
BOSHQA TURLARDA BOShQA ASOSIY TARMOQLARNING QO'LLANILMASI
YO'Q QILMAYDIGAN NAZORAT
[49] da signallarni birlashtirishga asoslangan naqshni aniqlash tushunchasi,
ultratovush sinovlarida asl nusxaga yaqin. Neyronning yangi turi taklif qilingan, ya'ni
elementar tanib olish operatsiyasini chaqiradi. Ba'zi determinantlarning ishlash tamoyillari ko'rib chiqilgan.
ned neyron tarmoqlari. Signallarni aniqlash va tasniflash misollari keltirilgan
buzilish, shovqin va shovqin. Asosiy g'oya - bu tasvirni signal sifatida tushunish
uni yopadigan to'plam bilan. Bu tanib olish moslamalari kontseptsiyasining asosidir.
Tekshirilayotgan signalda kutilgan naqshning mavjudligi korrelyatsiya yordamida aniqlanadi va
tanib olish tergov qilinayotgan signalning to'plamga tushishini tekshirish orqali amalga oshiriladi
rasm. Albatta, rasmlar to'plamini cheklash va delimitatsiya qilish uchun yana ko'plab imkoniyatlar mavjud
bir nechta rasm yoki sinflarning to'plamlari. Tavsiya etilgan yondashuvda, asabdan farqli o'laroq
tarmoqlarda tasodifiy qidirish algoritmlariga asoslangan o'quv protseduralari mavjud emas va shuning uchun
tanib olish moslamasining oldindan aytib bo'lmaydigan reaktsiyasi yo'q. Bunday holda, o'quv jarayoni o'rnini bosadi
dizayni bilan amalga oshiriladi. Muallifning fikriga ko'ra, eng istiqbolli hisoblash algoritmi
tafsilotlarni tahlil qilish asosida bilish. Signallar sinfini qismlarga oqilona dekompozitsiya qilish
murakkab va ko'p qirrali tanib olish moslamalarini yaratishga imkon beradi.
[50] da, signallarni ajratib turishga imkon beruvchi yangi turdagi neyron tarmog'i ishlab chiqildi
har xil turdagi nuqsonlar. Neyron tarmoqlari ishini o'rganish uchun dastur tuzildi
NEURON1. Masalan, ultratovushning echo signalini aniqlash muammosi
nuqson detektori. Ushbu muammoni hal qilish uchun juda oddiy bitta qatlamli asab
to'r. Tarmoqda kirish qatlamida 4 ta neyron va 1 ta chiqish neyroni bo'lgan. Signallarni tarmoqqa o'rgatish
taxminan 30 soniya davom etdi. Kirish qatlami neyronlarining axborot vektorlari to'rttani tashkil qiladi
uch o'lchovli pastki bo'shliq, unda aslida echo signallarini ajratish sodir bo'ladi.
Axborot makonining qolgan qismi 146 o'lchamiga ega. Bu erda bo'linadigan joylar mavjud
suyaklar o'zboshimchalik bilan joylashishga ega, chunki asab tarmog'ini o'qitish paytida ular taqdim etilmagan
biz kosmosning ushbu qismidan signallarni qabul qilamiz. Shuning uchun, ko'plab signallar mavjud
berilgan neyron tarmoq reaksiyaga kirishadi (chiqishda signal hosil qiladi). Shu ma'noda xatti-harakatlar
tarmoq oldindan aytib bo'lmaydi. Echoni boshqa barcha signallardan to'liq ajratishga erishish mumkin
Xo'sh, agar siz mashg'ulotlar to'plamiga kamida 146 ta muqobil signallarni qo'shsangiz. Ushbu holatda
kirish qatlamidagi to'rtta neyron etarli emas. Buning uchun 150 neyron kerak. Ehtimol, bu kerak
asab tarmog'idagi qatlamlar sonini yanada oshirish.
[51] da Fuzzy ARTMAP arxitekturasining neyron tarmoqlarini echish uchun foydalanish taklif etiladi
ultratovushli buzilmasdan olingan defektogramlarni avtomatlashtirilgan tahlil qilish vazifalari
samolyotlarning dvigatel qismlari va yotoq konstruksiyalarini kuzatish.
Ko'rsatilgan neyronlar asosida qurilgan defektogrammalarni tahlil qilishning avtomatlashtirilgan tizimi
tarmoqlar, tahlil jarayoni samaradorligini va ma'lumotlarni qayta ishlash tezligini yaxshilaydi va
natijalarning ishonchliligini oshirish.
[52] mualliflari ichki nuqsonlarni ultra-
sun'iy neyron tarmoqlari apparati bilan birgalikda ovozni boshqarish. Qurilgan
ichki halqa yostig'i bilan mustahkamlangan quvur kesimining modeli va ultra-
tovush to'lqini. O'rganilayotgan ob'ektlarning turli geometrik parametrlarining ta'siri tekshirildi.
neyron tarmoqlari bo'yicha mashg'ulotlarning natijalari. Nervning optimal tuzilishi
tarmoqlar va ultratovush tekshirishning ba'zi usullari uchun o'qitish vektorlari shakli va ularning komplektlari
binations.
Qusurlarni aniqlash
№ 6
2019 yil
Buzilmaydigan radiatsion kuzatishda sun'iy neyron tarmoqlarini qo'llash
61
Akustik emissiyani naqshini aniqlash uchun neyron tarmoqlardan foydalanish imkoniyati
[53] da metall konstruktsiyalarni boshqarish tekshirildi. Kirish ma'lumotlarini tasniflash uchun
ikkitadan iborat LVQ (Learning Vector Quantization) neyron tarmog'idan foydalanish taklif etiladi
qatlamlar: yashirin (raqobatdosh) va chiziqli (chiqish). Raqobatdosh neyronlarning soni
qatlam tanlov usuli bilan tanlangan va ularning soni 12 ga teng bo'lganida neyron tarmog'ida mini-
o'rganish xatosi va neyronlar sonining yanada ko'payishi o'sishga olib kelmadi
tarmoq sifatini yaxshilash. Chiqish qatlamida ikkita neyron bor edi, bu ikkitasiga to'g'ri keldi
taniqli signallarning turlari. Nerv tarmog'ini yaratish va o'qitish yordamida amalga oshirildi
MATLAB to'plami.
[54] yilda teskari neyron tarmoqlarini tayyorlash va sinovdan o'tkazish jarayoni tahlil qilindi.
har xil shovqin darajasini ustma-ust qo'yish orqali nuqsonli signallar uchun tarqalish. Ko'rib chiqilgan
klasterlash orqali tasniflash natijalari. Raqamli simulyatsiya yordamida ko'rsatiladi
klasterlash signalni tanib olish ehtimolini oshiradi.
[55] da aniqlangan nuqsonning issiqlik almashinadigan trubadagi holatini aniqlash va
kimdir uchun sun'iy neyron tarmoq yordamida uning geometrik parametrlarini baholang
differentsial oqim oqimining mos keladigan signallarining ko'zga oid ma'lumot belgilari
turli chastotalardagi konvertorlar. Kerakli narsani amalga oshiradigan asab tarmog'ini o'rgatish
funktsiyani oqim oqimi signallari maydonidan para- maydoniga o'tkazish
metrlik nuqsonlar, masalan, standart taxminiy masalada xarakterli nuqtalar to'plami talab qilinadi,
bu funktsiya orqali o'tadi. Bunday fikrlar to'plamini olish uchun, albatta, bo'lishi kerak
adekvat matematik model yordamida shakllanishi mumkin bo'lgan ma'lumotlar bazasi va
bilan sun'iy va haqiqiy nuqsonlardan eksperimental signallarni to'plash orqali
ma'lum parametrlar. To'siq oqimini boshqarish tartibini simulyatsiya qilish tomonidan amalga oshirildi
MagNum3D dasturida amalga oshirilgan cheklangan elementlar uyi. Neyronning kiritilishidan beri
tarmoq, signalning o'zi emas, balki muammoni hal qilish uchun ushbu signalning xarakterli parametrlari
nuqsonlarni tasniflash va geometrik parametrlash, ushbu xarakteristikalar to'plami
parametrlari, shuningdek ularni tanlash uchun tegishli dasturiy ta'minot
belgilar. Maqsad parametrlarining har biri uchun yaratilgan xususiyatlar to'plamlaridan foydalaniladi
neyron tarmoqlarini yaratish uchun ishlatilgan. Har bir geometrikni aniqlash masalasini hal qilish uchun
nuqson parametri, kaskadli neyron tarmog'ini va har bir "hujayrada" amalga oshirishga qaror qilindi
ke "sigmasimon aktivizatsiya funktsiyalari bilan ikki qavatli perseptrondan foydalanilgan.
Temir yo'l relslarining konstruktiv elementlarini nuqsonlar bo'yicha tanib olish muammosi
ko'p kanalli oqim togramlari va neyron yordamida magnit nuqsonlarni aniqlash
tarmoqlarning echimi [56] da hal qilindi. Ushbu muammoni hal qilishda bunday tarkibiy elementlar ko'rib chiqildi
to'g'ridan-to'g'ri yoki eğimli temir yo'l aloqasi bilan murvatli birikma sifatida temir yo'l, elektr
relslarni taktik payvandlash, relslarni aluminotermik payvandlash, shuningdek mumkin bo'lmagan tasvirlar
ushbu tarkibiy elementlarga - nuqsonlarga murojaat qilish. Naqshni tanib olish uchun konstruktiv
neytral tarmoq ishlatilgan, joriy defektogrammalardagi elementlar
TensorFlow ochiq kutubxonasi doirasi va ketma-ket joylashgan uchta qatlamdan iborat
birin ketin. Stoxastik gradient usuli yordamida asab tarmog'ini o'rgatish
Adam modifikatsiyasida kelib chiqishi 48028 grafikadan iborat ma'lumotlar to'plamidan foydalangan
tasvirlar. Foydali signallar uchun defektogrammada amplituda matritsasi ko'rinishidagi belgi aniqlandi
belgi tasviridagi satrlar soni ikki baravarga ko'paytirildi, keyin belgining hozirgi tasviri shunday bo'ldi
kul rangdagi rasm shaklida, so'ngra grafikani satrma-bosqich siqish bilan bajarilgan
belgining th tasviri. Tadqiqot natijalariga ko'ra [56] mualliflari shunday xulosaga kelishdi
suruvni ketma-ket to'liq ulangan uch qavatli asab tarmog'i modeli hal qilish uchun etarli
relslarning konstruktiv elementlarini va ularning nuqsonlarini tan olish muammolari.
Naqshni aniqlash vazifalari uchun konvulsion neyron tarmoqlardan foydalanish imkoniyati
oqim oqimi va magnit bo'lmagan usullardan foydalangan holda diagnostika natijalariga asoslangan nuqsonlar
buzishni boshqarish [57] da ko'rsatilgan. Ishlab chiqilgan avtomatlashtirilgan tizim joriy etilgan
qatlamsiz to'rt qavatli konvolyatsion tarmoqning soddalashtirilgan o'zgartirilgan arxitekturasiga asoslangan
namuna olish. Bu holda qoniqarli natijalar qo'lga kiritildi, garchi u
defektli tasvirlarni dastlabki ma'lumotlar massividan ajratib olish jarayonida matritsalar klassi shakllanadi.
apriori asl ma'lumotlarning maydonini belgilaydigan kutubxona tomonidan talab qilinadigan yangi rasmlar
nuqsonli maydon. Bu ikkinchi turdagi xatolar sonining ko'payishiga olib keladi, ammo chiqarib tashlaydi
nuqsonli tasvirni avtomatik tanlash bilan nuqsonni o'tkazib yuborish imkoniyati. Yaratish uchun
ishlatilgan nuqsonlar kutubxonalari [57]
S.Yu. Nazarenko, V.A. Hoopoe
[58] yilda, uglerod tolasi kompozitsiyasini termal boshqarish natijalarini qayta ishlash uchun
ikkita neyron tarmoqdan foydalanilgan. Yigirma beshta kirish va bitta bitta qatlamli pertseptron
kirish vektorlarini "nuqsonli / nuqsonli" ikkita sinfga tasniflash uchun ikkilik chiqish
MatLab matematik tahrirlovchisi yordamida termal nuqsonlarni aniqlash uchun qo'llanilgan
fii. Termal defektometriya va termal tomografiyani amalga oshirish uchun bitta
o'zboshimchalik bilan chiqadigan soni bo'lgan S perseptronlardan tashkil topgan qatlamli asab tarmog'i.
Natijalarni qayta ishlashda oltita chiqish uchun neyron tarmoqning samaradorligi tekshiriladi
uglerod tolasidan tayyorlangan standart namunani termal boshqarish. Nerv tarmoqlaridan foydalanilganligi ko'rsatilgan
talab qiladigan bir xil turdagi mahsulotlarni buzmasdan sinovdan o'tkazishda eng samarali hisoblanadi
faqat bir martalik tarmoq ta'limi.
Xulosa
1. Hozirgi vaqtda identifikatsiyalash tizimlarini faol joriy etish mavjud
tomonidan turli xil payvandlash nuqsonlarini aniqlashga mo'ljallangan neyron tarmoqlari
radiografik tasvirlar.
2. Ob'ektlarning radiatsion tasvirlarini qayta ishlash va tahlil qilishning asosiy yo'nalishlari bir-biriga bog'liqdir
tasvirdagi shovqinni kamaytirish, tasvirning kontrastini oshirish usullarini ishlab chiqish bilan
nuqsonlarning geometrik belgilari to'plamini aniqlash, aniqlash va tasniflash tartibini ishlab chiqish
nuqsonlarni yumshatish.
3. So'nggi o'n yilliklarda dunyoda sun'iy neyron tarmoqlari jadal rivojlanmoqda, bu
javdar (radiatsiyaviy buzilmaydigan sinovdan tashqari) bularda keng qo'llanilishini topdi
termal, ultratovushli va quduqli oqim kabi boshqaruv turlari.
ADABIYOTLAR RO'YXATI
1. Materiallar va mahsulotlarni buzmasdan sinovdan o'tkazadigan qurilmalar / Ma'lumotnoma. 2 ta kitobda. Kitob. 1. ostida
tahrir. V.V. Klyuev. 2-nashr, Vah. va qo'shing. M.: Mashinostroenie, 1986.488 p.
2. Udod V.A., Van Ya., Osipov S.P., Chaxlov S.V., Usachev E.Yu., Lebedev M.B., Temnik A.K. Vaqtidan boshlab -
nuqsonlarni aniqlash, diagnostika qilish uchun raqamli rentgenografiya tizimlarining hozirgi holati va rivojlanish istiqbollari
tayoqchalar va ob'ektlarni tekshirish nazorati (ko'rib chiqish) // Defectoskopiya. 2016. № 9. P. 11-28.
3. Kovalev A.V. Antiterror diagnostikasi // Nazorat. Diagnostika. 2011 yil 4. № 2.
S. 44-46.
4. Barskiy A.B. Neyron tarmoqlari: tanib olish, boshqarish, qaror qabul qilish. M.: Moliya va
statistika, 2004.176 b.
5. Yurish S. Neyron tarmoqlari. M.: MChJ "I.D. Uilyams ", 2006.1104 b.
6. Neyron tarmoqlari. Neyron tarmoqlari bo'yicha o'quv qo'llanma [Elektron resurs]. URL manzili: http://neuralnet.info/
kitob / (kirish sanasi: 12.04.2017).
7. Lapina A.V. Aqlli axborot tizimlari / O'quv qo'llanma. Krasnoyarsk: SFU
IKIT, 2012.204 p.
8. Kruglov V.V., Dli M.I., Golunov R.Yu. Bulaniq mantiq va sun'iy asab tarmoqlari. M.:
Fizika-matematik adabiyotlar nashriyoti, 2000.224 b.
9. Spitsin V.G., Tsoy Yu.R. Aqlli tizimlar / O'quv qo'llanma. Tomsk: TPU nashriyoti, 2012 yil.
176 s.
10. Lepskiy A.E., Bronevich A.G. Naqshni aniqlashning matematik usullari / Ma'ruzalar kursi.
Taganrog: TTI SFU nashriyoti, 2009.155 b.
11. Liu V., Vang Z., Liu X., Zeng N., Liu Y., Alsaad F.E. Chuqur neyron tarmoqlari arxitekturalarini o'rganish va
ularning dasturlari // Neyrokompyuter. 2017. V. 234. P. 11-26.
12. Sozikin A.V. Chuqur neyron tarmoqlarini o'qitish metodikasini ko'rib chiqish // SUSU Axborotnomasi. Ser.
Hisoblash matematikasi va informatika. 2017. Vol. 6.No. 3.P. 28-59.
13. LeCun Y., Bottou L., Bengio Y., Xaffner P. Hujjatlarni tan olish uchun qo'llaniladigan gradient asosida o'rganish //
IEEE ish yuritish. 1998. V. 86. № 11. P. 2278-2324.
14. Yejov A.A., Shumskiy S.A. Neyrokompyuterlash va uni iqtisodiyot va biznesda qo'llash. M.:
MEPhI, 1998.224 p.
15. Degtyarenko G.A., Dolgova I.V. Ijtimoiy prognoz qilish uchun sun'iy neyron tarmoqlar
energetika sohasidagi iqtisodiy ko'rsatkichlar // TVGU Axborotnomasi. Ser. Iqtisodiyot va menejment (2).
2014. 379-386.
16. Trofimova E.A., Mazurov Vl.D., Gilev D.V. Amaliy iqtisodiyotdagi neyron tarmoqlar / Ed.
tahrir. E.A. Trofimova. Yekaterinburg: Ural nashriyoti. Universitet, 2017.96 p.
17. Vedenyapin D.A., Losev A.G. Vena kasalliklarini aniqlash uchun bitta neyron tarmoq modeli
// Katta tizimlarni boshqarish. 2012 yil. 39. S. 219-229.
Qusurlarni aniqlash
№ 6
2019 yil