LOGIN TO YOUR ACCOUNT

Username
Password
Remember Me
Or use your Academic/Social account:

CREATE AN ACCOUNT

Or use your Academic/Social account:

Congratulations!

You have just completed your registration at OpenAire.

Before you can login to the site, you will need to activate your account. An e-mail will be sent to you with the proper instructions.

Important!

Please note that this site is currently undergoing Beta testing.
Any new content you create is not guaranteed to be present to the final version of the site upon release.

Thank you for your patience,
OpenAire Dev Team.

Close This Message

CREATE AN ACCOUNT

Name:
Username:
Password:
Verify Password:
E-mail:
Verify E-mail:
*All Fields Are Required.
Please Verify You Are Human:
fbtwitterlinkedinvimeoflicker grey 14rssslideshare1
Панчук, В. А.; National Technical University of Ukraine "KPI"; Лебедев, Д. Ю.; National Technical University of Ukraine "KPI" (2014)
Publisher: National Aviation University
Languages: Ukrainian
Types: Unknown
Subjects: Neural network; perceptron; back propagation algorithm; genetic algorithm, UDC 004.8, УДК 004.8, Нейронна мережа; перцептрон; зворотне поширення помилки; генетичний алгоритм
An analysis of existing methods for image processing. These solutions allow you to create an automated system for diagnosing diseases based on data obtained from images of magnetic resonance imaging. Satisfy the requirements of the system diagnostic neural network based on three - layer perceptron. In the process simulation software package MatLab v R2007b, were investigated speed of network training on the number of neurons in the hidden layer for the conventional method of back propagation and combined with genetic algorithm. The study revealed the advantage of the combined method for image classification task. This method halves the number of training effects and requires fewer neurons in the hidden layer, which facilitates network architecture and reduces the computational cost Проведен анализ существующих методов для обработки изображений. Данные решения позволяют создать автоматическую систему диагностики заболеваний на основе данных, полученных из снимков магнитно-резонансной томографии. Требованиям системы диагностики удовлетворяют нейронные сети на основе трех - слойного перцептрона. В процессе моделирования в программном пакете MatLab v R2007b, были исследованы скорость обучения сети от количества нейронов в скрытом слое для обычного метода обратного распространения ошибки и в сочетании с генетическим алгоритмом. В результате исследования выяснилось преимущество объединенного метода для задачи классификации изображений. Данный метод вдвое уменьшает количество обучающих воздействий и требует меньшего количества нейронов в скрытом слое, что значительно облегчает архитектуру сети и уменьшает количество вычислительных затрат Проведено аналіз існуючих методів для обробки зображень. Дані рішення дозволяють створити автоматичну систему діагностики захворювань на основі даних, отриманих із знімків магнітно-резонансної томографії. Вимогам системи діагностики задовольняють нейронні мережі на основі трьох - шарового перцептрону. У процесі моделювання в програмному пакеті MatLab v R2007b, були досліджені швидкість навчання мережі від кількості нейронів у прихованому шарі для звичайного методу зворотного поширення помилки та в поєднанні з генетичним алгоритмом. У результаті дослідження з'ясувалося перевага об’єднаного методу для задачі класифікації зображень. Даний метод вдвічі зменшує кількість навчальних впливів та потребує меншої кількості нейронів в прихованому шарі, що значно полегшує архітектуру мережі і зменшує кількість обчислювальних витрат.
  • No references.
  • No related research data.
  • No similar publications.