bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИРbsuir-106Research ArticleСтатьиСВЕРТОЧНАЯ НЕЙРОСЕТЕВАЯ МОДЕЛЬ В ЗАДАЧЕ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ ИЗОЛИРОВАННЫХ ЦИФРConvolutional neural model in a TASK of classification images of the isolated digitsКузьмицкийН. Н.KuzmitskyN. N.noemail@neicon.ruБрестский государственный технический университетBelarus201203062019076571Copyright © Кузьмицкий Н.Н., 20192019Кузьмицкий Н.Н.Kuzmitsky N.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/106

Выполнен анализ сверточной нейросетевой модели. Разработано программное обеспечение, позволяющее обучать и тестировать сверточные нейронные сети базовой архитектуры LeNet-5. Показана эффективность методики дообучения и искажения тренировочных образов. Построен классификатор изображений изолированных цифр. Произведена оценка устойчивости его характеристик на примерах известных рукописных и шрифтовых баз данных.

The analysis of convolutional neural model is done. The software is developed, allowing to train and test convolutional neural networks of base architecture LeNet-5. Efficiency of technique multi training and distortions of training images is shown. The qualifier of images of the isolated figures is constructed. The estimation of stability of its characteristics on examples of known hand-written and font databases is done.

машинное обучениесверточная нейронная сетьалгоритм обратного распространенияметод Левенберга-МарквардтаискажениедообучениеMNISTReferencesГоловко В.А. Нейронные сети: обучение, организация и применение. М., 2001.Головко В.А. Нейронные сети: обучение, организация и применение. М., 2001.Simard P.Y., Steinkraus D., Platt J. // Int. Conf. on Document Analysis and Recognition. 2003. P. 958-963.Simard P.Y., Steinkraus D., Platt J. // Int. Conf. on Document Analysis and Recognition. 2003. P. 958-963.Hubel D.H., Wiesel T.N. // Journal of Physiology London., 1962. Vol. 15. P 106-154.Hubel D.H., Wiesel T.N. // Journal of Physiology London., 1962. Vol. 15. P 106-154.Fukushima K., Miyake S. // Pattern Recognition. 1982. Vol. 15. P. 455-469.Fukushima K., Miyake S. // Pattern Recognition. 1982. Vol. 15. P. 455-469.LeCun Y., Kavukvuoglu K., Farabet C. // Proc. Int. Symposium on Circuits and Systems. 2010. P 253-256.LeCun Y., Kavukvuoglu K., Farabet C. // Proc. Int. Symposium on Circuits and Systems. 2010. P 253-256.LeCun Y., Bottou L., Bengio Y., et. al. // Proceedings of the IEEE. 1998. P. 2278-2324.LeCun Y., Bottou L., Bengio Y., et. al. // Proceedings of the IEEE. 1998. P. 2278-2324.LeCun Y., Bottou L., Or G.B., et. al. // Springer Lecture Notes in Computer Sciences. 1998. № 1524. P. 5-50.LeCun Y., Bottou L., Or G.B., et. al. // Springer Lecture Notes in Computer Sciences. 1998. № 1524. P. 5-50.LeCun Y. The MNIST database of handwritten digits // http://yann.lecun.com/exdb/mnist.LeCun Y. The MNIST database of handwritten digits // http://yann.lecun.com/exdb/mnist.Grother P.J. Nist special database 19 - handprinted forms and characters database // National Institute of Standards and Thechnology (NIST), Tech. Rep. 1995.Grother P.J. Nist special database 19 - handprinted forms and characters database // National Institute of Standards and Thechnology (NIST), Tech. Rep. 1995.Осовский С. Нейронные сети для обработки информации. М., 2002.Осовский С. Нейронные сети для обработки информации. М., 2002.Optdigits database // http://archive.ics.uci.edu/ml/machine-learning-databases/optdigits.Optdigits database // http://archive.ics.uci.edu/ml/machine-learning-databases/optdigits.

The authors declare that there are no conflicts of interest present.