Інформаційно-екстремальне машинне навчання бортової системи розпізнавання наземного об’єкта
Завантаження...
Дата
Назва журналу
Номер ISSN
Назва тому
Видавець
Інститут кібернетики ім. В.М. Глушкова НАН України
Анотація
Запропоновано категорійну модель і алгоритм інформаційно-екстремального машинного навчання бортової системи розпізнавання малогабаритних наземних транспортних засобів. Побудовані за результатами машинного навчання вирішувальні правила є інваріантними до довільного положення об'єкта розпізнавання в кадрі зони інтересу.
Предложены категорийная модель и алгоритм информационно-экстремального машинного обучения бортовой системы распознавания малогабаритных наземных транспортных средств. Построенные в результате машинного обучения решающие правила являются инвариантными к произвольному положению объекта распознавания в кадре зоны интереса.
The article proposes a categorical model and algorithm for information-extreme machine learning of the on-board recognition system for small ground vehicles. The decision rules constructed as a result of machine learning are invariant to an arbitrary position of the object of recognition in the frame of the region of interest.
Предложены категорийная модель и алгоритм информационно-экстремального машинного обучения бортовой системы распознавания малогабаритных наземных транспортных средств. Построенные в результате машинного обучения решающие правила являются инвариантными к произвольному положению объекта распознавания в кадре зоны интереса.
The article proposes a categorical model and algorithm for information-extreme machine learning of the on-board recognition system for small ground vehicles. The decision rules constructed as a result of machine learning are invariant to an arbitrary position of the object of recognition in the frame of the region of interest.
Опис
Теми
Кібернетика
Цитування
Інформаційно-екстремальне машинне навчання бортової системи розпізнавання наземного об’єкта / А.С. Довбиш, М.М. Будник, В.Ю. П’ятаченко, М.І. Мироненко // Кибернетика и системный анализ. — 2020. — Т. 56, № 4. — С. 18–27. — Бібліогр.: 10 назв. — укр.