Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Проблема распознавания образов
В целом проблема распознавания образов состоит из двух частей: обучения и распознавания. Обучение осуществляется путем показа отдельных объектов с указанием их принадлежности тому или другому образу. Круг задач, которые могут решаться с помощью распознающих систем, чрезвычайно широк. Сюда относятся не только задачи распознавания зрительных и слуховых образов, но и задачи распознавания сложных процессов и явлений. Геометрический подход распознавания образов Любое изображение, которое возникает в результате наблюдения какого-либо объекта в процессе обучения или экзамена, можно представить в виде вектора, а значит и в виде точки некоторого пространства признаков. Если утверждается, что при показе изображений возможно однозначно отнести их к одному из двух (или нескольких) образов, то тем самым утверждается, что в некотором пространстве существует две (или несколько) области, не имеющие общих точек, и что изображения - точки из этих областей. В ходе обучения предъявляются точки, случайно выбранные из этих областей, и сообщается информация о том, к какой области принадлежат предъявляемые точки. Цель обучения состоит либо в построении поверхности, которая разделяла бы не только показанные в процессе обучения точки, но и все остальные точки, принадлежащие этим областям, либо в построении поверхностей, ограничивающих эти области так, чтобы в каждой из них находились только точки одного образа.
Рисунок Структурный подход распознавания образов (или лингвистический) Сначала выделяется набор исходных понятий - типичных фрагментов, встречающихся на изображениях, и характеристик взаимного расположения фрагментов - "слева", "снизу", "внутри" и т. д. Эти исходные понятия образуют словарь, позволяющий строить различные логические высказывания, иногда называемые предположениями. Задача состоит в том, чтобы из большого количества высказываний, которые могли бы быть построены с использованием этих понятий, отобрать наиболее существенные для данного конкретного случая. Далее, просматривая конечное и по возможности небольшое число объектов из каждого образа, нужно построить описание этих образов. Построенные описания должны быть столь полными, чтобы решить вопрос о том, к какому образу принадлежит данный объект. При реализации лингвистического подхода возникают две задачи: задача построения исходного словаря, т. е. набор типичных фрагментов, и задача построения правил описания из элементов заданного словаря.
Эволюционные вычисления Они имеют 3 основных направления: 1 часть: Эволюционные стратегии 2 часть: Эволюционное моделирование (генетические алгоритмы) 3 часть: Эволюционное программирование
Генетические алгоритмы (ГА) Основаны на механизме натуральной селекции и натуральной генетики. Они реализуют принцип «выживает сильнейший» среди рассмотренных структур, формируя и изменяя поисковый алгоритм на основе моделирования эволюции поиска на основе моделирования эволюции поиска. Генетический алгоритм является одним из парадизов, представляет собой алгоритм поиска, построенный на принципах сходных естественному отбору. ГА используют случайный направленный поиск и могут быть использованы для получения субоптимальных решений. С помощью ГА получены решения следующих видов оптимизационных задач: 1. Задачи многомерной оптимизации с мультимодальными функциями, для которых по существу нет подходящих не эволюционных методов решения. 2. Стохастические задачи. 3. Динамические задачи с блуждающим оптимизмом. 4. Задача комбинаторной оптимизации большой размерности. 5. Задача прогнозирования и распознавания образов. Каждое решение задачи (особь) в ГА представлено в виде хромосомы – стринга элементов (строки, генов). Хромосома может быть представлена в двоичном, десятичном (целом или вещественном) представлении, что делает его применимым для широкого спектра задач, для которых не применимы или не эффективны строгие математические методы. ГА характеризуются следующими основными параметрами: ГА = (Р0, λ, L, S, P, f, t), где Р0 = (а0i …а0λ) – исходная популяция (одно поколение решений, представленное хромосомами); а0i – решение задачи в виде одной хромосомы; λ – размер популяции (целое число); L – длина каждой хромосомы популяции (целое число);
S – оператор отбора (репродукции); Р – отображение, определяющее оператор рекомбинации; f – целевая функция (fitness функция); t – критерий остановки алгоритма. На множестве решений определяется целевая функция, которая позволяет оценить качество каждого из полученных решений. Выделяют следующие особенности алгоритма: 1. Каждая новая популяция состоит только из жизнеспособных хромосом. 2. Каждая новая популяция лучше в смысле целевой функции, чем предыдущая. 3. В процессе эволюции последующая популяция зависит от предыдущей. Простой генетический алгоритм использует 3 основных оператора: 1. Репродукция (оператор отбора); 2. Кроссинговер (скрещивание); 3. Мутация (воздействие внешней среды); Простой ГА можно представить простой схемой:
1. Создание исходной популяции. На интервале поиска случайно формируется исходное решение. 2. Оператор репродукции. При операторе репродукции отбираются хромосомы согласно значениям их целевых функций. Хромосомы отбирают с использованием «колеса рулетки» или метода ранжирования. Для каждой хромосомы вычисляется значение целевой функции, затем все хромосомы представляют с помощью колеса рулетки: Каждой хромосоме соответствует сектор. После этого имитирует вращение колеса и выбор хромосомы. Хромосомы с большим сектором имеют большее представительство в новом операторе. 3. Создание потомков выбранных пар. Оператор кроссинговера обычно выполняется в 3 этапа: 1-й этап. Две хромосомы А = а1 а2…аn и В = b1 b2…bn выбираются из текущей популяции с помощью оператора репродукции. 2-й этап. Случайно выбирается точка кроссинговера – число k, которая находится в пределах 1≤ k ≥ n, где n – длина хромосомы. 3-й этап. Хромосомы А и В обмениваются частями после k-позиции и образуют две новые хромосомы. A' = a1a2…ak bk+1…bL B' = b1b2…bk ak+1…aL A = 101 10101 B = 110 01010 A' = 10101010 B' = 11010101 4. Оператор мутации. Случайным образом с заданной вероятностью изменяется 1ген в хромосоме. Оператор мутации выполняется в 2 этапа: 1-й этап. В хромосоме А = a1a2…aL-k…aL-1aL определяется случайным образом позиция гена, который будет подвержен мутации, где L – длина хромосомы (количество генов в стринге), а k – случайная величина, которая изменяется в диапазоне 0 ≤ k ≥ L. 2-й этап. Значение гена соответственного выбранной позиции заменяют противоположным (инверсным) тем самым формируя новую хромосому А' = a1a2…aL-k'…aL-1aL A = 10 0 10111 A' =10 1 10111. Для усечения размера популяции работает оператор редукция. В большинстве случаев используют пропорциональный отбор на основе колеса рулетки. Далее происходит проверка условия остановки алгоритма. Самым простым критерием остановки алгоритма исполнение достижения количества повторений алгоритма. Пример: На отрезке от 0 до 31 найти экстремум функции (максимум) в функции y = x2.
Начальный этап работы генетического алгоритма приведен в таблице:
1. Сформирована исходная популяция хромосом случайным образом в заданном интервале. Количество хромосом на заданном интервале задается пользователем. 2. Переведем в десятичную систему каждую из хромосом и подставим в fitness – функцию, получив значение f(x). 3. Произведем оценку полученных хромосом с помощью вероятности попадания хромосомы в следующую популяцию P(j) = В нашем примере выбираются хромосомы для популяции кроссинговера (промежуточной), вращая колесо рулетки 4 раза, что соответствует мощности популяции. Ожидаемое количество копий j-хромосомы можно вычислить по формуле: M = Pj * N, где Pj - вероятность, а N – мощность популяции. Число копий хромосомы, переходящих в следующее поколение иногда определяется по следующей формуле: = , где - среднее значение хромосом в популяции. Расчетные значения копий хромосом: 1.) 0,56 2.) 1,97 3.) 0,22 4.) 1,23 В результате промежуточной популяции попадает первая хромосома в одном экземпляре, вторая в двух, третья не попадает, а четвертая в одном экземпляре. Полученная промежуточная популяция является исходной для операторов кроссинговера и мутации. Кроссинговер
Одноточечный оператор кроссинговера выполняется с заданной вероятностью Рс ≈ 0,5, т.е. отобранные хромосомы не обязательно подвергнуты кроссинговеру и образуют потомков. Хромосомы, которые должны пройти кроссинговер или не пройти, отбирают из отобранных пар. Для хромосом 1 и 2: А = 01101 В = 11000 1 ≤ k ≤ 4, k = 4 – точка перед пятой позицией А' = 01100 В' = 11001 Пары хромосом для оператора кроссинговера формируют на стадии моделирования вращения колеса рулетки. При первом вращении получают первую хромосому – родителя, при втором – вторую. Оператор мутации
Мутация произведена с третьей хромосомой с третьим разрядом. Оператор мутации также выполняется с заданной вероятностью Рм ≈ 0,0001 Далее усекают популяцию до исходных размеров и повторяют алгоритм заданное количество раз.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2021-12-15; просмотров: 54; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.147.89.85 (0.039 с.) |