Нейрокомпьютинг Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетневские чтения

позволяет просматривать список файлов телеметрии с возможностью сортировки по времени или виду испытаний, удалять ненужные файлы. При проведении ресурсных испытаний ПО КПА может выполнять непрерывное управление узлом и сохранение данных телеметрии в течение, как минимум, двух месяцев.

Подводя итог, можно сделать вывод, что разработанная программная система полностью соответствует предъявленным требованиям. В настоящий момент ПО КПА используется на этапе изготовления и проведения приемо-сдаточных испытаний узлов ИА в ОАО «Информационные спутниковые системы» имени академика М. Ф. Решетнева».

D. A. Shvets, A. I. Legalov Siberian Federal University, Russia, Krasnoyarsk A. V. Lekanov, P. A. Lekanov JSC «Academician M. F. Reshetnev «Information Satellite Systems», Russia, Zheleznogorsk

CONFIGURATION ANALYSIS OF SPACE VEHICLE

Software architecture for testing of some electrical and mechanical nodes of space vehicle is considered.

© Швец Д. А., Легалов А. И., Леканов А. В., Леканов П. А., 2009

УДК 004.032.26 (06)

А. С. Шиткина, А. А. Павленко

Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева, Россия, Красноярск

НЕЙРОКОМПЬЮТИНГ

Представлено исследование такого научного направления, как нейрокомпьютинг, его сущность и влияние на деятельность человека.

Нейрокомпьютинг - это научное направление, занимающееся разработкой вычислительных систем шестого поколения - нейрокомпьютеров, которые состоят из большого числа параллельно работающих простых вычислительных элементов (нейронов). Элементы связаны между собой, образуя нейронную сеть. Они выполняют единообразные вычислительные действия и не требуют внешнего управления.

Нейронные сети находят свое применение в системах распознавания образов, обработки сигналов, предсказания и диагностики, в робото-технических и бортовых системах. Нейронные сети обеспечивают решение сложных задач за времена порядка времен срабатывания цепочек электронных и/или оптических элементов. Решение слабо зависит от неисправности отдельного нейрона. Это делает их привлекательными для использования в бортовых интеллектуальных системах.

Разработки в области нейрокомпьютинга ведутся по следующим направлениям:

- разработка нейроалгоритмов;

- программные, электронные и оптоэлектрон-ные реализации нейросетей;

- создание специализированного программного обеспечения для моделирования нейронных сетей;

- разработка специализированных процессорных плат для имитации нейросетей;

На самом деле область применения нейросете-вых технологий гораздо шире, поскольку большинство разработок все же засекречены. Все это свидетельствует о том, что нейрокомпьютинг занимает все более прочные позиции в нашей повседневной жизни.

Целью статьи является определение нейро-компьютинга как фундаментально нового подхода в технологии создания систем обработки информации.

Информатика и информационно-управляющие системы

A. S. Shitkina, А. А. Pavlenko Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

NEIROCOMPUTING

In the work the research of such a scientific direction as neirocomputing, its essence and influence on activity of the person is presented.

© Шиткина А. С., Павленко А. А., 2009

УДК 004.932.75'1

Л. С. Якимов

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

СИСТЕМА РАСПОЗНАВАНИЯ РУКОПЕЧАТНЫХ СИМВОЛОВ В АНКЕТНЫХ ФОРМАХ

Рассмотрен способ сегментации текста анкеты в набор отдельных символов. Предложен алгоритм нейронной сети с обратным распространением ошибки для распознавания полученного набора символов. Разработана программа, распознающая один символ на основе модели нейронной сети.

Процесс распознавания рукопечатных символов в общем случае можно разбить на два этапа: выделение в тексте анкеты отдельных символов и преобразование полученных символов в текст в электронном виде. Постановка задачи разрезания и склеивания для случая рукопечатного текста, когда символы заполняются от руки в специально отведенные для них знакоместа, является более «простой» по сравнению, например, с фрагментацией слитного рукопечатного текста. Специфика задачи в данном случае состоит в том, что знакоместа для вписывания символов в бланки, оптимизированные для машинного ввода, делаются такой яркости или цвета, чтобы быть заметными для человека и в то же время быть невидимыми при черно-белом сканировании. Таким образом, программе распознавания дается «подсказка», заключающаяся в том, что все символы отформатированы по некоторой сетке, габариты которой можно считать известными, но точное расположение на отсканированном графическом образе не известно. Альтернативные варианты дизайна бланков, при которых знакоместа явно выделяются линиями, упрощают данную задачу, но выдви-

гают не менее сложную проблему отделения символов от линий [1].

Для распознавания рукопечатных символов применяются разные алгоритмы. Наиболее эффективно с этой задачей справляются алгоритмы, использующие нейронные сети [2]. Они строятся следующим образом. Поступающее на вход системы распознавания изображение символа (растр) приводится к некоторому стандартному размеру (нормализуется). Как правило, используется растр размером 16x16 пикселей. Значения яркости в узлах нормализованного растра (пикселях) используются в качестве входных параметров нейронной сети. Количество выходов нейронной сети равняется количеству распознаваемых символов. Результатом распознавания является символ, которому соответствует наибольшее из значений выходного вектора нейронной сети. В качестве используемой модели сети была выбрана полносвязная сеть с обратным распространением ошибки. Под обратным распространением ошибки понимается способ обучения многослойных нейронных сетей (НС). В таких НС связи устанавливаются только меж-