- •Понятие, история развития теории нейронных сетей.
- •2. Основные свойства мозга, которые моделируются.
- •3. Основные области применения нейронных сетей.
- •4. Составляющие модели нейронной сети.
- •5. Понятие нейрона
- •6. Виды искусственных нейронов
- •7. Виды и назначение функции активации
- •8. Виды архитектуры нейронной сети.
- •9. Основные модели динамических нейронных сетей.
- •10. Парадигмы обучения нейронных сетей.
- •11. Параметры оптимизации системы, обучаемой по примерам.
- •12. Правила обучения.
- •13. Алгоритм обучения персептрона Розенблата.
- •14. Оценки качества нейронной сети.
- •15. Алгоритм обратного распространения ошибки
- •16. Способы обеспечения и ускорения сходимости
- •17. Сеть встречного распространения
- •18. Модель зрительного восприятия.
- •19. Виды сегментации изображения.
- •20. Виды преобразований изображения между классами
- •21. Особенности зрительного восприятия человека.
- •22. Методы пороговой обработки изображений.
- •23. Методы выделения контуров на изображении.
- •24. Метод уточнения контура
- •25. Методы распознавания изображений.
- •26. Основные проблемы теории искусственного интеллекта
- •27. Направления исследований в области систем искусственного интеллекта.
- •28. Данные и знания. Способ определения понятий.
- •29. Особенности знаний
- •30. Семантические сети.
- •31. Типы объектов и виды отношений в семантической сети.
- •32. Фреймовая модель.
- •33. Сравнительная харак-ка систем предста-ия знаний на основе сетевых моделей.
- •34. Продукционная система.
- •35. Логическая модель представления знаний.
- •36. Сравнительная характеристика систем представления знаний на основе продукций и логической модели.
- •37. Метод резолюций.
- •38. Виды неопределенности в задачах принятия решений
- •39. Понятие лингвистической переменной и основные операции теории нечетких множеств.
- •40. Характеристики речевых сигналов
- •41. Методы обработки речевого сигнала
- •42. Распознавание речевых сигналов.
- •Вопросы
- •Понятие, история развития теории нейронных сетей.
- •Основные области применения нейронных сетей.
39. Понятие лингвистической переменной и основные операции теории нечетких множеств.
Заде – ученый в 1979 разработавший ТНМ для отражения неопределенности предметной области.
Лингвистической переменной называется кортеж элементов <N,T,M,C,S>, где
N – наименование переменной
T – множество значений или термов, представляющих собой наименование нечетких переменных, имеющих в качестве области определения множество из области принадлежности M.
C – синтаксическая процедура, описывающая процесс образования из множества T новых осмысленных для данной задачи лингвистических переменных.
S – семантическая процедура, позволяющая преписать новому элементу, образованному процедурой C некоторую семантику путем образования некоторого нечеткого множества.
Обычно множество определяется характеристической функцией принадлежности элемента X множеству A.
Операции над нечеткими множествами
Применимы все операции над множествами, но они претерпели некоторые изменения.
1. включение
2. равенство
3. пересечение множеств
наибольшее нечеткое подмножество, содержащееся одновременно в А и в В
4. объединение множеств
Объединением называется наименьшее нечеткое множество, где мерой выбирается максимум
С помощью теории нечетких множеств вводятся нечеткие графы, где нечетко описываются вершины и дуги.
40. Характеристики речевых сигналов
Характеристика речи:
Речь частный случай звука (зву ковых колебаний). Звук – это механические колебаний упругой среды. Характеристики звука: 1. Основной тон высоты звука определяется частотой колебаний звуковой волны. Чем меньше период колебания (волны чаще) тем выше сигнал. 2. Тембр – явл. количественной характеристикой звука, позволяющей на слух опред различия между звуками одинаковой высоты, формиру-мые различными источниками. Акустический тембр – характеристика гармоник основного тона и высокочастотных составляющих спектра. Амплитуда – определяет громкость звука.
Основные характеристики речевого сигнала: 1).Осциллограмма(зависимость амплитуды от времени).Зависимость времени от частоты –это частотная осциллограмма. Для анализа речевого сигнала исп-ся преобразование Фурье. При применение преоб. Фурье получает числовой ряд, где у каждого элемента ряда имеется коэффициент, указыва-й на наличие определенной частоты в сигнале. Первый элемент ряда, соответ-ет низким частотам, а последующий более высоким. На осн. Частотных коэффициентов вычисляются частотные хар-ти: 1). Спектр речевого сигнала (просмотреть можно в nero); 2). Фазовая характеристика.
2)Спектрограмма (3-х мерная)-показывает относительную амплитуду по каждой частоте, и в каждый момент времени. Пиксиль окрашивается опред. Цветом, который говорит об амплитуде (темные участки о более высокой амплитуде говорят, а светлые о меньшей амплетуде).
41. Методы обработки речевого сигнала
Методы звуковой обработки речевого сигнала: оцифровку сигнала полученного с микрофона выполняет звуковая плата. Различают следующие способы: 1. Квантование звука – из непрерывного сигнала должен получиться дискретный (расширение waw); разбиение звука на части. Звуковая плата преобразует звуковой сигнал в последовательность отчетов. Чем больше отчетов тем точнее звук, но больше объем файла. 2. Время импуль-сное кодирование (клиппирование речи). Клиппирование состоит в фиксации моментов времени, когда звуковой сигнал увеличиваясь достигает верхней границы канала клипируется и уменьшаясь достигает нижней границы. 3. Спектральный анализ – звуковые колебания сложной формы раскладывается на ряд гармоник различной частоты с помощью различных фильтров. 4. Импульсно-кодовая модуляция – выполняет дискретизацию как по времени, так и по амплитуде. С разрешением амплитуды по уровням связано понятие «неразрядной глубины» - звуковые платы поддерживают возможные характеристика в 8 и 16 бит, разрядность преобразования определяет динамический диапазон сигнала.