Добірка наукової літератури з теми "Задача розпізнавання"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Задача розпізнавання".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Задача розпізнавання"
Pavlenko, M., S. Shilo, I. Borosenets та O. Dmitriev. "НАПРЯМИ РОЗРОБКИ ІНТЕЛЕКТУАЛЬНИХ МОДЕЛЕЙ ТА МЕТОДІВ ОБРОБКИ ІНФОРМАЦІЇ ДЛЯ УПРАВЛІННЯ ПРОЦЕСОМ ІНФОРМАЦІЙНОЇ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ В АВТОМАТИЗОВАНИХ СИСТЕМАХ УПРАВЛІННЯ ПОВІТРЯНИМ РУХОМ". Системи управління, навігації та зв’язку. Збірник наукових праць 5, № 51 (30 жовтня 2018): 24–28. http://dx.doi.org/10.26906/sunz.2018.5.024.
Повний текст джерелаGorokhovatsky, V. O., та K. G. Solodchenko. "ЗАСТОСУВАННЯ АПАРАТУ АНАЛІЗУ ТА ОБРОБЛЕННЯ БІТОВИХ ДАНИХ У МЕТОДАХ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ ЗА МНОЖИНОЮ КЛЮЧОВИХ ТОЧОК". Системи управління, навігації та зв’язку. Збірник наукових праць 2, № 48 (11 квітня 2018): 63–67. http://dx.doi.org/10.26906/sunz.2018.2.063.
Повний текст джерелаGorokhovatsky, V. O., D. V. Pupchenko та K. G. Solodchenko. "АНАЛІЗ ВЛАСТИВОСТЕЙ, ХАРАКТЕРИСТИК ТА РЕЗУЛЬТАТІВ ЗАСТОСУВАННЯ НОВІТНІХ ДЕТЕКТОРІВ ДЛЯ ВИЗНАЧЕННЯ ОСОБЛИВИХ ТОЧОК ЗОБРАЖЕННЯ". Системи управління, навігації та зв’язку. Збірник наукових праць 1, № 47 (8 лютого 2018): 93–98. http://dx.doi.org/10.26906/sunz.2018.1.093.
Повний текст джерелаGadetska, S., та V. Gorokhovatskyi. "ЗАСТОСУВАННЯ СТАТИСТИЧНИХ МІР РЕЛЕВАНТНОСТІ ДЛЯ ВЕКТОРНИХ СТРУКТУРНИХ ОПИСІВ ОБ’ЄКТІВ У ЗАДАЧІ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ". Системи управління, навігації та зв’язку. Збірник наукових праць 4, № 50 (12 вересня 2018): 62–68. http://dx.doi.org/10.26906/sunz.2018.4.062.
Повний текст джерелаГолубков, П., Д. Путников та В. Егоров. "Комп’ютерний зір у вирішенні проблеми розпізнавання форми кубічного пельменя." Automation of technological and business processes 11, № 4 (13 лютого 2020): 4–10. http://dx.doi.org/10.15673/atbp.v11i4.1593.
Повний текст джерелаТимочко, О. І., Г. В. Дубовик та В. С. Мажаров. "Метод формалізації даних при вирішенні задач розпізнавання повітряних об'єктів". Збірник наукових праць Харківського національного університету Повітряних Сил, № 2(64), (15 червня 2020): 108–13. http://dx.doi.org/10.30748/zhups.2020.64.15.
Повний текст джерелаНастенко, Є., В. Максименко, С. Поташев, В. Павлов, В. Бабенко, С. Рисін, О. Матвійчук та В. Лазоришинець. "ЗАСТОСУВАННЯ МЕТОДУ ГРУПОВОГО УРАХУВАННЯ АРГУМЕНТІВ ДЛЯ ПОБУДОВИ АЛГОРИТМІВ ДІАГНОСТИКИ ІШЕМІЧНОЇ ХВОРОБИ СЕРЦЯ". Біомедична інженерія і технологія, № 5 (12 травня 2021): 1–9. http://dx.doi.org/10.20535/2617-8974.2021.5.227141.
Повний текст джерелаKovalevsky, S. V., та N. D. Sidyuk. "Ідентифікація об'єктів дослідження з використанням сигнатур". Обробка матеріалів тиском, № 1(50) (31 березня 2020): 210–16. http://dx.doi.org/10.37142/2076-2151/2020-1(50)210.
Повний текст джерелаЛіщина, Н., В. Ліщина та Ю. Повстяна. "Підходи та алгоритми обробки та розпізнавання зображень складної структури." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 38 (12 березня 2020): 5–9. http://dx.doi.org/10.36910/6775-2524-0560-2020-38-01.
Повний текст джерелаPovkhan, Igor. "ПИТАННЯ СКЛАДНОСТІ ПРОЦЕДУРИ ПОБУДОВИ СХЕМИ АЛГОРИТМІЧНОГО ДЕРЕВА КЛАСИФІКАЦІЇ". TECHNICAL SCIENCES AND TECHNOLOGIES, № 3(21) (2020): 142–53. http://dx.doi.org/10.25140/2411-5363-2020-3(21)-142-153.
Повний текст джерелаДисертації з теми "Задача розпізнавання"
Дем’янчук, Павло Степанович. "Система для розпізнавання музичних звуків на основі нейромережевого аналізу амплітудно-частотних характеристик звуку". Master's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/46096.
Повний текст джерелаThe work consists of an introduction and four chapters. Total amount of work: 71 sheets of the main text, 20 illustrations, 14 tables. Literature from 30 different sources was used in the preparation. Topicality. The task of recognizing musical sounds is in demand in the processing of complex musical signals, namely audio recordings of musical compositions of various genres, such as classical music, pop music and others. The task of recognizing the musical sounds of various musical instruments belongs to the class of tasks Information Information Retrieval (MIR), and can occur in the following areas: Use in search engines Identification of musical objects; Annotation of media content (metadata); Segmentation of musical signals; Generate playlists. This problem can also be considered as the first stage of solving the problem of segmentation of complex musical signals and identification of musical objects. The purpose and objectives of the study. The aim of the master's thesis is to develop an algorithm for sound recognition of musical instruments with high accuracy and performance while minimizing the number of features used for recognition. To achieve this goal, the following applied tasks were formulated and solved: study of the principles of construction of recognition algorithms and neural networks; selection of software that solves the problem of extracting musical sounds from audio recording; designing a neural network for direct propagation and determining the method of displaying the obtained data; presentation of the developed neural network architecture through the use of software; testing the developed neural network model and comparing the results with other recognition methods; implementation of a software product based on the developed algorithm. The object of research is the sound of musical instruments, its structure and properties. Particular attention is paid to the amplitude-frequency characteristics of sound. In this paper, the sound is considered as the sound of a single musical instrument, and the sound of musical instruments that sound against the background of other sounds in complex compositions (solo parts of musical instruments). The subject of research - methods of recognition of musical sounds on the basis of neural network analysis of amplitude-frequency characteristics of sound. Research methods. The following research methods were used to solve the tasks set in this master's thesis: 1.Consideration and analysis of the results of previous scientific work conducted in the field of recognition of musical sounds; 2.Research of physical characteristics of sound, and influence of these indicators on quality of recognition; 3.Selection of general steps for solving the problem of sound recognition based on the results obtained from the analysis and formation of the pattern of the most effective way to solve problems of music sound recognition; The scientific novelty of this master's thesis is as follows: use of neural networks of direct propagation in problems of recognition of musical sounds; research allows to use the developed algorithm for further improvement of methods of recognition of musical sounds. Practical value. The research results presented in this master's dissertation can be used in future scientific and applied work in the following areas: segmentation of complex musical signals; improvement of music recognition ethods.
Пономаренко, Б. А., та М. Г. Заворотна. "Методы поиска ближайших соседей в задаче анализа графического образа структурированного документа". Thesis, ХНУРЕ, 2019. http://openarchive.nure.ua/handle/document/8474.
Повний текст джерелаКічангіна, Ольга Євгенівна. "Система розпізнавання хвороби Альцгеймера по знімкам МРТ за допомогою нейронних мереж". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/45218.
Повний текст джерелаThesis: 122 p., 10 tabl., 40 fig., 2 appendices, 24 sources. Object of research: recognition of Alzheimer's disease by MRI. Subject of research: analysis of methods and models for solving the problem. The purpose of the study: to study the existing methods of image recognition and classification, to develop our own system of Alzheimer's disease detection by MRI images using an algorithm based on existing approaches to solve our task. Used models: the software implementation used the basic models ResNet50, VGG19 and InceptionV3, convolutional autoencoder and KNN algorithm. Results: built a system for recognizing Alzheimer's disease, which can assign an MRI image to one of 3 classes: Normal, OldAge and AD with accuracy 88%.
Полякова, Ю. А., та О. Л. Блохін. "Алгоритм розв'язання однієї класичної задачі розпізнавання". Thesis, КНУТД, 2016. https://er.knutd.edu.ua/handle/123456789/5384.
Повний текст джерелаІващенко, Сергій Олександрович. "Моделювання ознак зображення для задач розпізнавання". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9335.
Повний текст джерелаШаповалов, М. С., Олександр Юрійович Заковоротний та В. М. Гугнін. "Нейронні мережі адаптивної резонансної теорії в задачах розпізнавання". Thesis, Національний технічний університет "Харківський політехнічний інститут", 2017. http://repository.kpi.kharkov.ua/handle/KhPI-Press/45201.
Повний текст джерелаЛопатченко, Борис Костянтинович, Борис Константинович Лопатченко, Borys Kostiantynovych Lopatchenko та А. В. Бочкарев. "Використання телевізійних систем в задачах нормалізації зображень". Thesis, Сумський державний університет, 2015. http://essuir.sumdu.edu.ua/handle/123456789/41142.
Повний текст джерелаКондратенко, Н. Р., та О. А. Рудик. "Штучні імунні системи та їх використання для вирішення різних типів задач". Thesis, ВНТУ, 2019. http://ir.lib.vntu.edu.ua//handle/123456789/24236.
Повний текст джерелаThe article describes the principle of the artificial immune system. Also, classes of problems for the solution of which the appropriate systems can be used to justify the feasibility of using an artificial immune system for further development of a means of biometric identification system on the features of keyboard writing.
Голік, Андрій Олександрович. "Відстані відповідності та засоби групування для векторних та матричних векторів ознак та їх застосування в задачах розпізнавання мови та мови жестів". Дис. канд. техн. наук, М-во освіти і науки України, Київ. нац. ун-т ім. Тараса Шевченка, 2014.
Знайти повний текст джерела