Кузнецов Владимир Вячеславович (Аспирант, Рязанский государственный радиотехнический университет)
| |
Построение эффективного многоклассового классификатора для создания двумерных карт местности в ситуациях со сложными метеоусловиями и съемкой в ночное время суток представляется сложной задачей. Простые классификаторы, основанные на применении машины опорных векторов и объединенные в ансамбль классификаторов с помощью алгоритма AdaBoost из-за восприимчивости к шумовой составляющей, слабо подходят в данных ситуациях. Для этих целей можно использовать нейронную сеть, которая будет делать классификацию по многим классам и будет при этом многослойной. Техника обучения таких нейронных сетей называется глубоким обучением (англ. Deep Learning). Проведено сравнительное исследование простых классификаторов, основанных на SVM, объединённых в ансамбль классификаторов с помощью алгоритма AdaBoost и классификаторов, обучаемых с применением методик глубокого обучения, стохастической машины Больцмана, метода сопряжённых градиентов и объединенные в ансамбль классификаторов с помощью алгоритма AdaBoost. Результатом проведенных экспериментов является существенное уменьшение процента ошибки и времени распознавания в ситуациях с ночной съемкой и со сложными метеоусловиями у классификаторов, основанных на применении глубокого обучения.
Ключевые слова:Глубокое обучение, стохастическая машина Больцмана, машина опорных векторов, метода сопряженных градиентов
|
|
| |
|
Читать полный текст статьи …
|
Ссылка для цитирования:
Кузнецов В. В. Интеллектуальный метод построения двумерных карт местности, основанный на использовании ансамбля классификаторов, обучаемых с применением методик глубокого обучения // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2019. -№08. -С. 70-72 |
|
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
