基于多阶段神经结构的模块化自适应系统用于断续生产的2D对象识别
机器人学
2007-05-23 v1
摘要
本文提出了一种新的系统，用于对具有重叠类别的2D对象进行不变识别，这些对象无法有效地使用传统方法进行识别。将平移、尺度和部分旋转不变的轮廓对象描述转化为DCT谱空间。获得的频谱被分解为频带，以供不同的BPG神经网络（NN）使用。神经网络在三个阶段中结构化——滤波和全旋转不变性；部分识别；通用分类。测试结果表明，所设计的多阶段BPG神经结构在用于断续生产中的2D对象时表现出很好的准确性和灵活性。所达到的速度以及对系统进行轻松重构和重新编程的机会，使其适用于不同的应用系统进行实时工作。
引用
@article{arxiv.cs/0601061,
title = {Modular Adaptive System Based on a Multi-Stage Neural Structure for Recognition of 2D Objects of Discontinuous Production},
author = {I. Topalova},
journal= {arXiv preprint arXiv:cs/0601061},
year = {2007}
}
备注
www.ars-journal.com