tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТtuzsut-294Research ArticleСтатьиИСПОЛЬЗОВАНИЕ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ДЛЯ РАСПОЗНАВАНИЯ ГРАФИЧЕСКИХ ОБЪЕКТОВUSE OF A PRINCIPAL COMPONENT ANALYSIS FOR THE RECOGNITION OF THE GRAPHIC OBJECTSГубинА. Н.GubinA.

кандидат технически наук, доцент, доцент кафедрыинформационных управляющих систем Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича,

gan50_60@mail.ruЛитвиновВ. Л.LitvinovV.

кандидат технически наук, доцент, доцент кафедры информационных управляющих систем Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича

vlad.litvinov61@gmail.comФилипповФ. А.FilippovF.

кандидат технически наук, доцент кафедры информационных управляющих систем Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича

9000096@mail.ruСанкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-БруевичаРоссия201631032022232731Copyright © Губин А.Н., Литвинов В.Л., Филиппов Ф.А., 20222022Губин А.Н., Литвинов В.Л., Филиппов Ф.А.Gubin A., Litvinov V., Filippov F.This work is licensed under a Creative Commons Attribution 4.0 License.https://tuzs.sut.ru/jour/article/view/294

Предложена простая процедура формирования оптимальных фильтров признаков на основе главных компонент. Использование оптимальных фильтров для решения задачираспознавания позволяет строить тривиальные нейронные сети (без обучения и скрытых слоев) в виде классификаторов признаков.

The simple procedure of the formation of the optimum filters of signs on the basis of principal component is proposed. The use of optimum filters for the solution of the problem of recognitionmakes it possible to build the trivial neuron networks (without the learning and the hidden layers) in the form of the classifiers of signs.

распознавание образовфакторный анализсверточные нейронные сетиpattern recognitionfactor analysisthe convolutional neural networkReferencesKrizhevsky A., Sutskever I., Hinton G. E. ImageNet classification with deep convolutional neural networks // Advances in Neural Information Processing Systems 25, 2012, pp. 1106–1114.Krizhevsky A., Sutskever I., Hinton G. E. ImageNet classification with deep convolutional neural networks // Advances in Neural Information Processing Systems 25, 2012, pp. 1106–1114.Convolutional Neural Networks for Visual Recognition, Stanford CS class CS231n. URL: http://cs231n.github.io/convolutional-networks/.Convolutional Neural Networks for Visual Recognition, Stanford CS class CS231n. URL: http://cs231n.github.io/convolutional-networks/.

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