English version
ISSN 1817-2172, рег. Эл. № ФС77-39410, ВАК

Дифференциальные Уравнения
и
Процессы Управления

О журнале История Журнала Издатель Адреса Тематика Редакторский состав Рецензирование Для авторов Издательская этика Коллекция номеров English version

Визуализация композиций многомерных объектов с локальными описаниями в метрических алгоритмах машинного обучения

Автор(ы):

Вячеслав Анатольевич Дюк

доктор технических наук,
главный научный сотрудник,
Россия, Институт проблем транспорта РАН (ИПТ РАН)

v_duke@mail.ru

Аннотация:

В различных областях все чаще используются модели искусственного интеллекта (ИИ) для принятия тех или иных решений, основанные на машинном обучении. В метрических методах машинного обучения объекты рассматриваются как прецеденты и используется только одна операция - определение сходства (различия) этих прецедентов с неизвестным объектом. Основное ограничение эффективности известных метрических методов связано с представлением об общем для всех объектов пространстве признаков и, соответственно, о единой мере для измерения расстояний между объектами. Это ограничение снимается путем конструирования для любого объекта собственного локального пространства признаков и нахождения индивидуальной меры, определяющих иерархию его сходства с другими объектами, релевантную заданному контексту. В статье рассматривается проблема анализа множества объектов с локальными описаниями и пути её решения с использованием d(S)-метрик, которые отражают различия рядов удаленностей одних и тех же объектов, но в разных локальных пространствах. Введение d(S)-метрик позволяет использовать для дальнейшего визуального анализа композиций объектов с локальными описаниями методы многомерного метрического шкалирования. В статье приведен практический пример такого анализа в задаче распознавания типов транспортных средств по геометрическим признакам их силуэтов.

Ключевые слова

Ссылки:

  1. Fix E., Hodges J. L. Discriminatory analysis: nonparametric discrimination: consistency properties. - Rep. N 4. - USAF school of Aviation Medicine. - Texas. - February 1951. - Project 21-49-004. - Contract AF-41-(128)-31
  2. Журавлев Ю. И., Никифоров В. В. Алгоритмы распознавания, основанные на вычислении оценок // Кибернетика. — 1971. — 1-11 с
  3. Zagoruiko N. G. , Borisova I. A. , Dyubanov V. V. , Kutnenko O. A. Methods of Recognition Based on the Function of Rival Similarity//Pattern Recognition and Image Analysis, 2008, Vol. 18. No. 1. pp. 1-6
  4. Vapnik, Vladimir N. The nature of statistical learning theory. : Springer-Verlag New York, Inc., 1995
  5. Cover T., Hart P. Nearest neighbour pattern classification//IEEE Trans. Inform. Theory, v. IT 13, 1967. P. 21-27
  6. Дуда Р., Харт П. Распознавание образов и анализ сцен. - М. : Мир, 1976. 509 с
  7. Дюк В. А. Экспериментальное исследование реакции алгоритмов машинного обучения на ошибки разметки данных // Дифференциальные уравнения и процессы управления. Электронный журнал. - http://diffjournal.spbu.ru/ , 2022. №3. С. 59-72
  8. Boulding K. E. General Systems Theory - The Skeleton of Science // Management Science, 2, 1956
  9. Гик Дж., ван. Прикладная общая теория систем. - М. : Мир, 1981
  10. Дюк В. А. Компьютерная психодиагностика. - СПб: «Братство», 1994. - 364 с
  11. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М. : Финансы и статистика, 1990
  12. Крылов В. Ю. Метод многомерной геометризации психологических данных. Системный подход в математической психологии // Принцип системности в психологических исследованиях. - М. : Наука, 1990. - C. 33-48
  13. Дюк В. А., Малыгин И. Г., Прицкер В. И. Распознавание транспортных средств по силуэтам -трехкаскадный метод машинного обучения в системах технического зрения // Морские интеллектуальные технологии. - 2022. - № 2-1(56). - С. 162-167
  14. Dyuk, V. A. Context-dependent local metrics and a geometrical approach to the problem of knowledge formation / V. A. Dyuk // Izvestiya Rossiiskoi Akademii Nauk. Teoriya i Sistemy Upravleniya. - 1996. - No. 5. - P. 36-44
  15. Справочник по прикладной статистике. В 2-х т. Т. 2 // Под ред. Э. Ллойда, У. Ледермана, С. А. Айвазяна, Ю. Н. Тюрина. - М. : Финансы и статистика. - 1990
  16. Saito T. The problem of the additive Constante and eigenvalues in metric multidimsional scaling //Psychometrika, v. 43, N 2, 1978
  17. http://www.ics.uci.edu/~mlearn/MLRepository.html (дата обращения 10. 06. 2024)
  18. https://archive.ics.uci.edu/ml/datasets/Statlog+(Vehicle+Silhouettes ). (дата обращения 10. 06. 2024)
  19. Дюк В. А., Малыгин И. Г. Сравнение алгоритмов распознавания типов транспортных средств по параметрам их силуэтов // Морские интеллектуальные технологии. - 2018. - № 4-4(42). - С. 197-201
  20. Дюк В. А., Малыгин И. Г., Прицкер В. И. Распознавание транспортных средств по силуэтам -трехкаскадный метод машинного обучения в системах технического зрения // Морские интеллектуальные технологии. - 2022. - № 2-1(56). - С. 162-167
  21. Swamidass S. J., Azencott C., Daily K., Baldi P. A CROC stronger than ROC: measuring, visualizing and optimizing early retrieval // Bioinformatics (2010) 26 (10): 1348-1356
  22. Torgerson W. S. Multidimensional Scaling. Theory and Method // Psychometrika, v. 17, № 4, 1952
  23. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных. - М. : Финансы и статистика, 1988

Полный текст (pdf)