PROCES UCZENIA WZGLĘDEM LOKALNEGO PROGU RÓŻNICY W FILTROWANIU NORMALNEGO SZUMU BIAŁEGO
Leonid Timchenko
tumchenko_li@gsuite.duit.edu.uaState University of Infrastructure and Technology, Kyiv, Ukraine (Ukraina)
http://orcid.org/0000-0001-5056-5913
Natalia Kokriatskaia
State University of Infrastructure and Technology, Kyiv, Ukraine (Ukraina)
http://orcid.org/0000-0003-0090-3886
Volodymyr Tverdomed
State University of Infrastructure and Technology, Kyiv, Ukraine (Ukraina)
http://orcid.org/0000-0002-0695-1304
Natalia Kalashnik
National Pirogov Memorial Medical University, Vinnytsia, Ukraine (Ukraina)
http://orcid.org/0000-0001-5312-3280
Iryna Shvarts
Vinnytsia National Technical University, Vinnytsia, Ukraine (Ukraina)
http://orcid.org/0000-0003-4344-5213
Vladyslav Plisenko
State University of Infrastructure and Technology, Kyiv, Ukraine (Ukraina)
http://orcid.org/0000-0002-5970-2408
Dmytro Zhuk
State University of Infrastructure and Technology, Kyiv, Ukraine (Ukraina)
http://orcid.org/0000-0001-8951-5542
Saule Kumargazhanova
D.Serikbayev East Kazakhstan State Technical University, Ust-Kamenogorsk, Kazakhstan (Kazachstan)
http://orcid.org/0000-0002-6744-4023
Abstrakt
Celem pracy było zbadanie procesu uczenia za pomocą lokalnego progu różnicy podczas filtrowania normalnego białego szumu. Przeanalizowano istniejące algorytmy uczenia do przetwarzania obrazu oraz zidentyfikowano ich zalety i wady. Uwzględniono wpływ normalnego białego szumu na proces rozpoznawania. Opracowano metodę organizacji procesu uczenia korelatora z przetwarzaniem wstępnym obrazu przy użyciu metody GQP. Określono zależność średniej wartości próbek rangi CCF (RCCF) GQP obrazów referencyjnego i bieżącego, reprezentujących realizacje normalnego białego szumu, od prawdopodobieństwa utworzenia zerowych próbek GQP. Zaproponowano dwie wersje algorytmu uczenia opartego na opisanej metodologii uczenia. Zaproponowano metodę określania szacunkowej skuteczności algorytmu.
Słowa kluczowe:
uczenie, lokalny próg różnicy, filtrowanie normalnego białego szumuBibliografia
Bochkarev A. M.: Correlation-Navigation Navigation Systems. Foreign radio electronics 9, 1981, 12–16.
Google Scholar
Dougherty E. R.: Digital Image Processing Methods. CRC Press, Boca Raton 2020) [http://doi.org/10.1201/9781003067054].
DOI: https://doi.org/10.1201/9781003067054
Google Scholar
Gan Woon Siong: Signal Processing and Image Processing for Acoustical Imaging. Springer Singapore, 2020 [http://doi.org/10.1007/978-981-10-5550-8].
DOI: https://doi.org/10.1007/978-981-10-5550-8
Google Scholar
Kondratiuk S., Kruchynin K., Krak I., Kruchinin S.: Information technology for security system based on cross platform software, NATO Science for Peace and Security Series A: Chemistry and Biology, 2018, 331–339.
DOI: https://doi.org/10.1007/978-94-024-1304-5_25
Google Scholar
Kondratiuk S., Krak I.: Dactyl Alphabet Modeling and Recognition Using Cross Platform Software. Proceedings of the 2018 IEEE 2nd International Conference on Data Stream Mining and Processing, 8478417, 2018, 420–423.
DOI: https://doi.org/10.1109/DSMP.2018.8478417
Google Scholar
Kozlovska T., Pavlov S.: Optoelectronic Means of Diagnosing Human Pathologies Associated with Peripheral Blood Circulation. Academic Publishing, Beau Bassin 71504, Mauritius 2019.
Google Scholar
Krak I. V., Kryvonos I. G., Kulias A. I.: Applied aspects of the synthesis and analysis of voice information. Cybernetics and Systems Analysis 49(4), 2013, 89–596.
DOI: https://doi.org/10.1007/s10559-013-9545-9
Google Scholar
Kutaev Y. F.: Systemic correlation-extreme measurement of coordinates with generalized Q-preparation of images: Ph.D. thessis. Vinnitsa, 1989.
Google Scholar
Pogrebnoy V. A.: Airborne signal processing systems. Scientific thought, Kiev 1984.
Google Scholar
Pratt W.: Digital image processing. In 2 books. John Wiley & Sons, Inc., 1982.
Google Scholar
Sacerdoti F. M.: Digital Image Processing. In: Sacerdoti, F., Giordano, A., Cavaliere, C. (eds): Advanced Imaging Techniques in Clinical Pathology. Current Clinical Pathology. Humana Press, New York 2016 [http://doi.org/10.1007/978-1-4939-3469-0_2].
DOI: https://doi.org/10.1007/978-1-4939-3469-0
Google Scholar
Timchenko L. I., Kokriatskaia N. I., Nakonechna S., Poplavskaia A. A., Stepaniuk D. S., Gromaszek K. and Rakhmetullina S.: Analysis of computational processes of pyramidal and parallel-hierarchical processing of information, Proc. SPIE 10808, 2018, 1080822.
Google Scholar
Timchenko L. I., Kutaev Y. F., Chepornyuk S. V., Grudin M. A., Harvey D. M., Gertsiy A. A.: A Brain Like Approach to Multistage Hierarchial Image, Lecture Notes in Computer Sciense. Image Analysis and Processing 1311, 1997, 246–253.
DOI: https://doi.org/10.1007/3-540-63508-4_129
Google Scholar
Trishch R., Nechuiviter O., Vasilevskyi O., Dyadyura K., Tsykhanovska I., Yakovlev M.: Qualimetric method of assessing risks of low quality products, MM Science Journal 4, 2021, 4769–4774.
DOI: https://doi.org/10.17973/MMSJ.2021_10_2021030
Google Scholar
Tulbure A., Tulbure A.: The use of image recognition systems in manufacturing processes. IEEE International Conference on Automation, Quality and Testing, Robotics 2018.
Google Scholar
Wójcik W., Pavlov S., Kalimoldayev M.: Information Technology in Medical Diagnostics II. Taylor & Francis Group, CRC Press, Balkema book, London 2019.
DOI: https://doi.org/10.1201/9780429057618
Google Scholar
Autorzy
Leonid Timchenkotumchenko_li@gsuite.duit.edu.ua
State University of Infrastructure and Technology, Kyiv, Ukraine Ukraina
http://orcid.org/0000-0001-5056-5913
Autorzy
Natalia KokriatskaiaState University of Infrastructure and Technology, Kyiv, Ukraine Ukraina
http://orcid.org/0000-0003-0090-3886
Autorzy
Volodymyr TverdomedState University of Infrastructure and Technology, Kyiv, Ukraine Ukraina
http://orcid.org/0000-0002-0695-1304
Autorzy
Natalia KalashnikNational Pirogov Memorial Medical University, Vinnytsia, Ukraine Ukraina
http://orcid.org/0000-0001-5312-3280
Autorzy
Iryna ShvartsVinnytsia National Technical University, Vinnytsia, Ukraine Ukraina
http://orcid.org/0000-0003-4344-5213
Autorzy
Vladyslav PlisenkoState University of Infrastructure and Technology, Kyiv, Ukraine Ukraina
http://orcid.org/0000-0002-5970-2408
Autorzy
Dmytro ZhukState University of Infrastructure and Technology, Kyiv, Ukraine Ukraina
http://orcid.org/0000-0001-8951-5542
Autorzy
Saule KumargazhanovaD.Serikbayev East Kazakhstan State Technical University, Ust-Kamenogorsk, Kazakhstan Kazachstan
http://orcid.org/0000-0002-6744-4023
Statystyki
Abstract views: 213PDF downloads: 184
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Leonid Timchenko, Natalia Kokriatska, Volodymyr Tverdomed, Iryna Yepifanova, Yurii Didenko, Dmytro Zhuk, Maksym Kozyr, Iryna Shakhina, ARCHITEKTONICZNE, STRUKTURALNE I FUNKCJONALNE CECHY RÓWNOLEGŁO-HIERARCHICZNEJ ORGANIZACJI PAMIĘCI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 1 (2024)
- Leonid Timchenko, Natalia Kokriatskaia, Volodymyr Tverdomed, Anatolii Horban, Oleksandr Sobovyi, Liudmyla Pogrebniak, Nelia Burlaka, Yurii Didenko, Maksym Kozyr, Ainur Kozbakova, NEUROBIOLOGICZNE WŁAŚCIWOŚCI STRUKTURY SIECI RÓWNOLEGŁO-HIERARCHICZNEJ I JEJ WYKORZYSTANIE DO ROZPOZNAWANIA WZORCÓW , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 3 (2024)
