Порядок выполнения работы

• Предварительно рекомендуется выполнить л/р NN-1: Распознавание изображений с помощью персептрона
• Изучить теоретическое введение.
• Сформировать обучающую выборку из 30+ изображений.
• Разработать компьютерную программу (среда разработки выбирается студентом самостоятельно).
• Провести серию из 10+ испытаний с различными исходными данными, выявить ограничения и недостатки многослойных НС обратного распространения для решения задач распознавания.
• Оформить отчет по лабораторной работе.

Требования к исходным данным - формирование обучающей выборки

• В качестве исходных данных для распознавания необходимо отобрать изображения древнерусских (знаменных, семиографических) музыкальных песнопений:
  • Сканированные рукописи на сайте проекта "Компьютерная семиография"
  • Научные статьи с примерами знаменных песнопений
  • Ссылки на другие ресурсы
• На отобранных изображениях найти несколько различных знамен (3+), которые необходимо распознавать как правильные.
• Сформировать обучающую выборку из 30+ изображений знамен.
• Изображения могут быть преобразованы к черно-белому формату (bitmap).

Требования к функциональности компьютерной программы

• В программе должна быть реализована возможность задания обучающей выборки из внешних файлов изображений.
• Программа должна иметь два режима работы: обучения и распознавания.
• Обучение должно производиться по алгоритму обучения сети обратного распространения.
• Количество слоев в НС должно быть не менее двух (2+).
• В программе должны задаваться следующие настройки:
  • правильные варианты элементов обучающей выборки;
  • размер ошибки, при котором обучение НС завершается (опционально);
  • коэффициент скорости обучения (опционально).
• На экранной форме режима обучения должны отображаться:
  • элементы обучающей выборки (изображения);
  • настройки алгоритма обучения;
  • текущие (итоговые) веса нейронов для всех слоев;
  • протоколы результатов обучения (значения весов для каждой итерации).
• На экранной форме режима распознавания должны отображаться:
  • распознаваемое изображение (должно выбираться из всего множества);
  • результат распознавания;
  • веса выходных (опционально - промежуточных) нейронов;
  • значения выходов всех (3+) нейронов последнего слоя.

Рекомендации по реализации

• Для задания различной размерности распознаваемых изображений можно пользоваться одним типо-размером с максимальной разрешающей способностью, но при этом считывать только часть пикселей (например, от верхнего левого угла).
• Для решения задач обучения двухмерного изображения N*M можно ввести дополнительные нейроны или целый слой.

Содержание отчета

• Название и цель работы.
• Задание, краткое описание предметной области и выбранной задачи.
• Описание обучающей выборки.
• Блок-схема алгоритмов обучения и распознавания.
• Протоколы проведенных экспериментов (10+), представленные в форме таблиц и графиков (допускаются скриншоты в случае программной реализации эту функциональности)
• Выводы и рекомендации по использованию НС для решения задач распознавания