ПРИНЦИПИ МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ ДЕРЕВОПОДІБНИХ РОЗПІЗНАВАЛЬНИХ СИСТЕМ

Автор:

Гебура Ю.М., Державний вищий навчальний заклад «Ужгородський національний університет», м. Ужгород, Україна

Мова статті: українська

Анотація:

Розглянуто принципи математичного моделювання деяких деревоподібних розпізнавальних систем, де система різницевих рівнянь, із вбудованими в них графіками подій, може бути вирішена аналітично для траєкторії системи. Деревоподібні розпізнавальні системи є дискретними подіями ієрархічних систем. Представлені імітаційні моделі є основними принципами математичного моделювання деревоподібних розпізнавальних систем, які мають явні переваги у порівнянні з керованими моделями моделювання.

Ключові слова:

математичне моделювання, деревоподібні розпізнавальні системи, ієрархічні системи, граф, імітаційна модель

Список використаних джерел:

  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.

Завантажити