Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
FEI TU v Košiciach Diplomová práca List č. 20<br />
in1,1<br />
in1,2<br />
in1,3<br />
in2,1<br />
in2,2<br />
in2,3<br />
in3,1<br />
in3,2<br />
in3,3<br />
h 1<br />
h 2<br />
h 3<br />
out1<br />
out2<br />
Obr. 10: Do<strong>pre</strong>dná neurónová sieť <strong>pre</strong> spracovanie <strong>obrazu</strong>. Zľava doprava:<br />
vstupná vrstva, skrytá vrstva, výstupná vrstva.<br />
3.2 Algoritmus metódy spätného šírenia chyby<br />
Pre realizovanie filtrácie <strong>obrazu</strong> potrebujeme okrem konceptu aplikácie, kon-<br />
ceptu neurónovej siete a popisu vstupných dát ešte popis metódy učenia sa<br />
neurónovej siete, aby bolo možné toto učenie sa realizovať. Nakoľko na filtrá-<br />
ciu <strong>obrazu</strong> by mala postačovať bežná do<strong>pre</strong>dná neurónová sieť, zvolil som ako<br />
metódu učenia štandartné spätné šírenie chyby, čo je metóda kontrolovaného<br />
učenia sa neurónovej siete.<br />
Pretože účelom tejto diplomovej práce nie je skúmanie a ani úprava me-<br />
tódy spätného šírenia chyby, obmedzím popis metódy na najmenšiu možnú<br />
mieru. Pre podrobnejší popis tejto metódy, jej odvodenie alebo <strong>pre</strong> súvi-<br />
siacu teóriu odporúčam <strong>pre</strong>študovať uvedenú použitú literatúru, konkrétne<br />
[1]. Algoritmus metódy spätného šírenia chyby je nasledovný:<br />
1. Pre každý vstupný vektor realizujem do<strong>pre</strong>dné šírenie signálu neuróno-<br />
vou sieťou, pričom na výstupe získam výstupný vektor.<br />
2. Výpočtom určím chybu dosiahnutú na danom vstupnom vektore.<br />
3. Pre váhy výstupných neurónov vypočítam zmenu δ na základe para-<br />
metrov učenia a dosiahnutej chyby