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.; Національний технічний університет України "КПІ"; Лебедев, Д. Ю.; Національний технічний університет України "КПІ" (2013)
Publisher: Національний авіаційний університет
Languages: Ukrainian
Types: Unknown
Subjects: 004.8
An analysis of existing methods of construction, and the topologies of neural networks learning methods for image processing. These solutions allow you to create an automated system diagnostics of diseases on the basis of data obtained from images of magnetic resonance imaging. Satisfy the requirements of the system diagnostic neural network cascade topology or regular network with direct connections. In the process simulation software package MatLab v 6.5.2., Were investigated speed of network training on the number of neurons in the hidden layer and the value of the error detection data networks based on noise. As a result, these studies revealed that the fastest-studied network with direct connections - 199 educational influences in the number of neurons in the hidden layer 15. In turn, the network of Cass-kadnymy bonds are less sensitive to noise Проведен анализ существующих методов построения, топологий и методов обучения нейронных сетей для обработки изображений. Данные решения позволяют создать автоматическую систему диагнос-тики заболеваний на основе данных, полученных из снимков магнитно-резонансной томографии. Требованиям системы диагностики удовлетворяют нейронные сети с каскадной топологии или обычные сети с прямыми связями. В процессе моделирования в программном пакете MatLab v 6.5.2., Были исследованы скорость обучения сети от количества нейронов в скрытом слое и значение погрешности распознавания данных сетей в зависимости от шума изображения. В результа-те исследования выяснилось, что наиболее быстро училась сеть с прямыми связями - 199 учебных воздействий при количестве нейронов в скрытом слое 15. В свою очередь сеть из касс-каднимы связями менее чувствительна к шуму Проведено аналіз існуючих методів побудови, топологій і методів навчання нейронних мереж 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 з каскадною топологією або звичайні мережі з прямими зв'язками. У процесі моделювання в програмному пакеті MatLab v 6.5.2., були  досліджені швидкість навчання мережі від кількості нейронів у схованому шарі і значення похибки розпізнавання даних мереж в залежності від шуму зображення. У результаті дослідження з'ясувалося, що найбільш швидко навчалась мережа з прямими зв'язками - 199 навчальних впливів при кількості нейронів у прихованому шарі 15. У свою чергу мережа з каскадними зв'язками менш чутлива до шуму
  • No references.
  • No related research data.
  • No similar publications.