распознающее устройство для нечетких нейронных сетей
Классы МПК: | G06K9/00 Способы и устройства для считывания и распознавания напечатанных или написанных знаков или распознавания образов, например отпечатков пальцев G06N7/02 использующие нечеткую логику |
Автор(ы): | Анисимов Владимир Юрьевич (RU), Борисов Эдуард Васильевич (RU), Явтушенко Руслан Сергеевич (RU) |
Патентообладатель(и): | Военная академия Ракетных войск стратегического назначения имени Петра Великого (RU) |
Приоритеты: |
подача заявки:
2007-03-16 публикация патента:
10.12.2008 |
Изобретение относится к области обработки данных для специальных применений, в частности для преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами во взвешенные коды, и может быть использовано для обработки и распознавания сигналов и изображений. Технический результат заключается в расширении функциональных возможностей. Устройство содержит два формирователя функций принадлежности, формирователь обобщенного показателя сходства и два формирователя нечетких величин. 2 ил.
Формула изобретения
Распознающее устройство для нечетких нейронных сетей, содержащее первый и второй формирователи функции принадлежности и формирователь обобщенного показателя сходства, причем выходы первого и второго формирователей функции принадлежности соединены, соответственно, с первым и вторым входами первого формирователя показателя сходства, отличающееся тем, что дополнительно введены первый и второй формирователи нечетких величин, выходы которых соединены со входами, соответственно, первого и второго формирователей функции принадлежности, причем первый и второй формирователи функций принадлежности выполнены в виде сумматоров нечетких величин.
Описание изобретения к патенту
Изобретение относится к области обработки данных для специальных применений, в частности для преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами во взвешенные коды, и может быть использовано для обработки и распознавания сигналов и изображений.
Известно устройство, содержащее генераторы пилообразного напряжения, аналого-цифровые и цифроаналоговые преобразователи, элементы ИЛИ, блоки памяти функций принадлежности, блоки определения минимума, блоки сравнения, блоки вычитания из единицы, регистры, счетчик и элементы задержки с соответствующими связями [SU 1791815, G06F 7/58, 1990].
Недостатком устройства являются относительно узкие функциональные возможности.
Известно также устройство, содержащее n параллельных сумматоров, входы и выходы которых являются соответственно группой входов и группой выходов устройства, а также n блоков умножения на весовые коэффициенты, при этом вход i-го блока умножения на весовые коэффициенты (i=1...N) соединен с выходом i-го параллельного сумматора, а каждый из выходов j-го блока умножения на весовые коэффициенты (j=1...N) соединен с соответствующим ему входом взвешенного сигнала i-го сумматора (i не = j) [А.В.Назаров, А.И.Лоскутов "Нейросетевые алгоритмы прогнозирования и оптимизации систем", Санкт-Петербург, "Наука и Техника", 2003 г., стр.231].
Недостатком устройства являются относительно узкие функциональные возможности.
Известно также устройство, содержащее группу умножителей на весовые коэффициенты, входы которых являются входами устройства, параллельный сумматор, входы которого соединены к выходами умножителей на весовые коэффициенты, и блок вычисления активационной функции, вход которого соединен с выходом параллельного сумматора, а выход является выходом устройства [Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: КомКнига, 2006, рис.5.1].
Недостатком устройства являются относительно узкие функциональные возможности, обусловленные тем, что устройство позволяет моделировать работу нейрона в допущении, что весовые коэффициенты для входных сигналов могут быть определены точно, что позволяет использовать их в умножителях на весовые коэффициенты. На практике значения весовых коэффициентов не всегда могут быть определены точно, и в большинстве случаев их значения являются нечеткими, «размытыми», что снижает точность моделирования и сужает функциональные возможности известного устройства.
Наиболее близким по технической сущности к предлагаемому является устройство для сравнения нечетких величин, содержащее первый и второй формирователи функции принадлежности и формирователь обобщенного показателя сходства, причем выходы первого и второго формирователей функции принадлежности соединены соответственно с первым и вторым входами первого формирователя обобщенного показателя сходства, а также третий формирователь функции принадлежности, второй формирователь обобщенного показателя сходства, генератор тактовых импульсов, счетчик импульсов, блок вычитания, регистр, два элемента задержки и делитель частоты импульсов с соответствующими связями [SU №1774331 A1, 1992].
Недостатком наиболее близкого технического решения являются относительно узкие функциональные возможности, заключающиеся в том, что оно производит сравнение двух нечетких величин, но не позволяет сравнить две нечеткие величины, каждая из которых формируется в результате сложения множества нечетких величин.
Требуемый технический результат заключается в расширении функциональных возможностей и повышении точности моделирования нейронных сетей и принимаемых решений при распознавании объектов и сигналов.
Требуемый технический результат достигается тем, что в устройство, содержащее первый и второй формирователи функции принадлежности и формирователь обобщенного показателя сходства, причем выходы первого и второго формирователей функции принадлежности соединены соответственно с первым и вторым входами формирователя показателя сходства, введены первый и второй формирователи нечетких величин, выходы которых соединены с входами соответственно первого и второго формирователей функции принадлежности.
Кроме того, требуемый технический результат достигается тем, что первый и второй формирователи функций принадлежности выполнены в виде сумматоров нечетких величин.
На чертеже представлены: на фиг.1 электрическая структурная схема распознающего устройства для нечетких нейронных сетей, на фиг.2 пример функции принадлежности типа примерного равенства.
Распознающее устройство для нечетких нейронных сетей (фиг.1) содержит первый 1-1 и второй 1-2 формирователи функции принадлежности, формирователь 2 обобщенного показателя сходства и первый 3-1 и второй 3-2 формирователи нечетких величин.
При этом выходы первого 1-1 и второго 1-2 формирователей функции принадлежности, соединены соответственно с первым и вторым входами формирователя 2 показателя сходства, а выходы первого 3-1 и второго 3-2 формирователей нечетких величин, выполненные в виде групп элементов формирования нечеткой величины (3-1-1...3-1-k) и (3-2-1...3-2-k), соединены с входами соответственно первого 1-1 и второго 1-2 формирователей функции принадлежности.
Все элементы устройства охарактеризованы на функциональном уровне. Описываемая форма их реализации предполагает использование программируемого (настраиваемого) многофункционального средства, поэтому ниже при описании работы устройства представляются сведения, подтверждающие возможность выполнения таким средством конкретной предписываемой ему в составе данного устройства функции, в частности алгоритм или соответствующие математические выражения.
Работает распознающее устройство для нечетких нейронных сетей следующим образом.
На входы первого 3-1 формирователя нечетких величин, выполненного в виде групп элементов формирования нечеткой величины (3-1-1...3-1-k), поступают входные (возбуждающие) сигналы Xi, например, отсчеты уровней интенсивности двумерного изображения наблюдаемого объекта.
Каждый из этих сигналов преобразуется в соответствующем ему элементе формирования нечеткой величины 3-1-1...3-1-k в нечеткую величину Xi=[xi,M(xi)], i=1...k, которая задается функцией принадлежности M(xi), например типа примерного равенства M(xi)=M(ai,pi) (фиг.2), где ai - параметр положения, pi - параметр размаха, которые отражают нечеткое представление о соответствии уровня входного сигнала соответствующему эталонному сигналу (элементу изображения), который, в общем случае, может быть нечетким, «размытым» и т.п., когда, например, вместо эталонного сигнала имеется несколько искаженных его образцов. В качестве примера можно принять, что параметр положения ai соответствует уровню входного сигнала xi, т.е. ai=xi, а параметр размаха pi обратно пропорционален уровню входного сигнала, т.е., чем выше уровень входного сигнала xi, тем он считается более четким. На фиг.2 представлен пример функции принадлежности типа примерного равенства при значении входного сигнала, равного xi. Число таких нечетких величин равно числу элементов формирования k, т.е. i=1...k, а каждый из элементов формирования нечеткой величины 3-1-1...3-1-k может быть настроен на свой вид функции принадлежности и правила ее формирования.
Кроме того, на входы второго 3-2 формирователя нечетких величин, выполненного в виде групп элементов формирования нечеткой величины (3-2-1...3-2-k), конструкция и выполняемые функции которых могут быть аналогичны конструкции и выполняемы функциям первого формирователя нечетких величин, поступают входные (возбуждающие) сигналы, например, отсчеты уровней сигналов, характеризующих ситуацию, при которой производится распознавание объектов. К такой ситуации можно отнести, например, случай распознавания объекта по телевизионному изображению в условиях снижения уровня освещенности, когда, как правило, следует прямо пропорционально снижать уровень порога распознавания. Следовательно, второй формирователь 3-2 нечетких величин служит для формирования ситуационного сигнала, например, для определения уровня снижения освещенности по признакам, которые не всегда являются четкими, например, снижения уровня освещенности из-за влияния облачности. В частности, второй 3-2 формирователь нечетких величин формирует k нечетких величин Yi=[yi,M(yi)], i=1...k.
Первый 1-1 формирователь функции принадлежности может настраиваться на заданный объект или сигнал. В нейронных сетях это обеспечивается взвешенным суммированием сигнала от объекта, поэтому этот формирователь выполняет функции взвешенного суммирования нечетких величин, формируемых первым формирователем 1-1, т.е. формирование нечеткой величины
Z 1=b1X1+b 2X2+...+bkX k,
где bi (i=1...k) - взвешивающие (постоянные) коэффициенты.
Можно показать, что, например, для функций принадлежности типа примерного равенства функциональное преобразование, производимое первым формирователем 1-1, сводится к формированию функции принадлежности того же типа (типа примерного равенства) M(Z1 )=M(az1,pz1), параметры которого определяются соотношением
az1 =b1a1+b 2a2+...+bka k, pz1=b1p 1+b2p2+...+b kpk.
Сформированная формирователем 1-1 функция принадлежности M(Z1)=M(a z1,pz1) нечеткой величины Z 1 поступает на первый вход формирователя 2 обобщенного показателя сходства.
На второй вход формирователя 2 поступает функция принадлежности M(Z2)=M(a z2,pz2) нечеткой величины Z 2, сформированная вторым формирователем 1-2 функции принадлежности. В частном случае второй формирователь 1-2 может работать по тому же алгоритму, что и первый 1-1. Сигнал с выхода второго формирователя 1-2 можно рассматривать как некоторый нечеткий порог, определяемый сложившейся ситуацией, относительно которого принимается решение о распознавании объекта или сигнала. Следовательно, формирователь 2 обобщенного показателя сходства вырабатывает значение обобщенного показателя d, характеризующего соответствие выходного сигнала первого формирователя 1-1 выходному сигналу второго формирователя 1-2. В частном случае формирователь 2 может производить эти вычисления в соответствии с математическим выражением
d(Z 1,Z2)=[1/k(Sum(j=1...n) (M(z1j)-M(z1j))*p]*(1/p),
где Sum (j=1...n) - знак суммирования;
j - текущий номер элемента, n - число элементов множеств Z 1 и Z2;
р - натуральное число (подбираемое, как правило, экспериментально);
* - знак возведения в степень.
Полученное значение обобщенного показателя сходства может быть использовано непосредственно или быть дополнительно преобразовано, как это сделано в наиболее близком техническом решении, в индекс сходства, что позволяет применять по отношению к нему сравнение с неслучайным порогом и формировать окончательно сигнал в виде сигнала с уровнем логической единицы или логического нуля.
Таким образом, в предложенном устройстве достигается требуемый технический результат, заключающийся в расширении функциональных возможностей и повышении точности распознавания и моделирования.
Класс G06K9/00 Способы и устройства для считывания и распознавания напечатанных или написанных знаков или распознавания образов, например отпечатков пальцев
Класс G06N7/02 использующие нечеткую логику