2021. — Т 6. — №4 - перейти к содержанию номера...
Постоянный адрес этой страницы - https://kostumologiya.ru/15tlkl421.html
This article metadata is also available in English
Полный текст статьи в формате PDF (объем файла: 692.6 Кбайт)
Ссылка для цитирования этой статьи:
Смирнов, Е. Е. Искусственные нейронные сети в решении задач классификации обуви / Е. Е. Смирнов, В. В. Костылева, И. Б. Разин [и др.] // Костюмология. — 2021. — Т 6. — №4. — URL: https://kostumologiya.ru/PDF/15TLKL421.pdf (дата обращения: 06.12.2024).
Искусственные нейронные сети в решении задач классификации обуви
Смирнов Евгений Евгеньевич
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
Кандидат технических наук, старший преподаватель
E-mail: evg7162@mail.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=1097456
Костылева Валентина Владимировна
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
Заведующая кафедрой
Доктор технических наук, профессор
E-mail: kostyleva-vv@rguk.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=353612
Разин Игорь Борисович
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
Заведующий кафедрой
Кандидат технических наук, доцент
E-mail: razin-ib@rguk.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=850439
Миронов Владислав Петрович
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
Кандидат технических наук, доцент
E-mail: mironov-vp@rguk.ru
Аннотация. В наше время наблюдается явление под названием «Информационный взрыв». Этим термином обозначили взрывной рост информации производимой человечеством. Каждый год увеличение составляет более 30 % от предыдущего. При этом всем структурированные и хорошо формализованные данные, составляют не более 5 %. Исходя из скорости роста информации, становится понятно, что человек не способен структурировать и формализовать огромную долю данных классическими методами. В какой-то степени спасают алгоритмы, однако для них также нужна обработанная информация. Решением этой проблемы становятся нейронные сети, позволяющие частично имитировать работу человеческого мозга в области принятия решений. В отличие от алгоритмического подхода, выдающего конкретный ответ, нейронные сети работают с вероятностями, благодаря чему, можно работать с классификацией на основе слабо формализованных данных. Классов и типов нейронных сетей большое количество, каждый класс больше подходит для решения определенного типа задач. В качестве базового понимания принципа функционирования и программирования нейронной сети в этой статье мы рассмотрим полносвязную нейронную сеть. Принцип ее создания, обучения, тестирования и эксплуатации. Здесь изложен принцип обучения искусственной нейронной сети для решения задач классификации методом обратного распространения ошибки (backpropagation). Цель исследования состоит в возможности обучения нейронной сети распознавать и классифицировать объекты, относящиеся к группам обуви различных половозрастных групп и назначения, исходя из набора входных параметров и/или изображений. Так как тема очень обширна, то здесь продемонстрирована только концепция работы нейронной сети. На основе трех входных параметров нейронная сеть относит объекты к одному из двух классов: «Обувь», «Другой объект». Такой подход разрабатывается в рамках диссертации на соискание ученой степени доктора технических наук Смирновым Евгением Евгеньевичем и предполагается к внедрению в учебный процесс кафедр «Художественное моделирование, конструирование и технология изделий из кожи», «Информационные технологии» РГУ им. А.Н. Косыгина (Технологии. Дизайн. Искусство) в виде учебных пособий.
Ключевые слова: нейронные сети; машинное обучение; искусственный интеллект; классификация; обувь
Контент доступен под лицензией Creative Commons Attribution 4.0 License.
ISSN 2587-8026 (Online)
Уважаемые читатели! Комментарии к статьям принимаются на русском и английском языках.
Комментарии проходят премодерацию, и появляются на сайте после проверки редактором.
Комментарии, не имеющие отношения к тематике статьи, не публикуются.