Розпізнавання людських малюнків на основі моделі рекурентної нейронної мережі

Abstract

Мета роботи полягає у підвищенні точності та зменшенні часу розпізнавання інформації за рахунок використання нейронної мережі, підвищення продуктивності методів тестування і дедуктивного моделювання несправностей за рахунок використання memory-driven архітектур і кубітних структур даних. Отримано такі основні результати: запропоновано модель відношень порядку в структурах даних і компьютингу, яка формує ефективність паралельного управління алгоритмами обробки великих даних за рахунок суперпозиціонування кінцевої множини дискретних станів; розроблено структурну модель взаємодії кубітних покриттів логічних функцій і похідних компонентів, орієнтованих на синтез і аналіз цифрових систем; запропоновано tree-driven ATPG процесор і структури даних для обчислення кубітних булевих похідних, представлений двійковим деревом-графом xor-елементів для паралельної обробки частин кубітного покриття; розроблено модель рекурентної нейронної мережі з довгою короткостроковою пам'яттю; розроблено алгоритм роботи нейронної мережі для розпізнавання образів на прикладі розпізнавання людських малюнків; здійснено програмну реалізацію алгоритму роботи нейронної мережі для розпізнавання людських малюнків.