ПРИНЦИПЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ ДРЕВОВИДНЫХ РАСПОЗНАВАТЕЛЬНЫХ СИСТЕМ

Автор:

Гебура Ю.М., Государственное высшее учебное заведение «Ужгородский национальный университет», г. Ужгород, Украина

Язык статьи: украинский

Аннотация:

Рассмотрены принципы математического моделирования некоторых древовидных распознавательных систем, где система разностных уравнений со встроенными в них графиками событий может быть решена аналитически для траектории системы. Древовидные распознавательные системы являются дискретными событиями иерархических систем. Представленные имитационные модели выступают основными принципами математического моделирования древовидных распознавательных систем, которые имеют явные преимущества по сравнению с управляемыми моделями моделирования.

Ключевые слова:

математическое моделирование, древовидные распознавательные системы, иерархические системы, граф, имитационная модель

Список использованных источников:

  1. Бахрушин В. Є. Математичне моделювання : навчальний посібник / В. Є. Бахрушин. – Запоріжжя : ГУ «ЗІДМУ», 2004. – 140 с.

  2. Сергеева Л. Н. Моделирование поведения экономических систем методами нелинейной динамики (теории хаоса) / Л. Н. Сергеева. – Запорожье : ЗГУ, 2002. – 154 с.

  3. Оксендаль Б. Стохастические дифференциальные уравнения. Введение в теорию и приложения / Б. Оксендаль. – М. : Мир, 2003. – 186 с.

  4. Советов Б. Я. Моделирование систем. Практикум : учеб. пособие для вузов / Б. Я. Советов, С. А. Яковлев.  М. : Высш. шк., 2006.  295 с.

  5. Томашевський В. М. Імітаційне моделювання систем i процесів / В. М. Томашевський.  К. : ІСДО, 1994.  124 с.

  6. Томашевський В. М. Моделювання систем / В. М. Томашевський.  К. : BHV, 2005.  352 с.

  7. Ту Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. – М. : Мир, 1978. – 267 с.

  8. Айдарханов М. Б. Метрический и структурный подходы к построению групповых классификаций / М. Б. Айдарханов. – Алматы : Гылым, 1994. – 56 с.

  9. Большаков A. A. Методы обработки многомерных данных и временных рядов : учебное пособие для вузов / A. A. Большаков, Р. И. Каримов. – М., 2007. – 522 с.

  10. Schruben, D., Schruben, L. (2000), Graphical simulation modeling using SIGMA, Custom Simulations, 653 р.

  11. Yeh, T., Lee, J., Darrell, T. (2007), Adpative vocabulary forest for dynamic indexing and category learning, ICCV, 232 р.

  12. Boiman, O., Shechtman, E., Irani, M. (2008), In defense of nearest-neighbor based image classification, CVPR113 р.

  13. Breslin, C. Gales, M.J.F(2007), “Complementary system generation using directed decision trees,” in Proceedings, 154 р.

  14. Bloch, I., Bretto, A. Mathematical Morphology on Hypergraphs: Preliminary.

  15. Definitions and Results. In: Debled-Rennesson, I., Domenjoud, E., Kerautret, B.,Even, P. (eds.) (2011), DGCI 2011. LNCS. – Vol. 6607. – Р. 429–440. Springer, Heidelberg.

  16. Bloch, I., Bretto, A. (2013), Mathematical morphology on hypergraphs, application to similarity and positive kernel. Computer Vision and Image Understanding 117(4). – Р. 342–354.

Скачать