[Алгоритмы, Машинное обучение] Машинный анализатор. Часть 1. Волновые нейроны
Автор
Сообщение
news_bot ®
Стаж: 6 лет 4 месяца
Сообщений: 27286
Вступление
В этой и последующих статьях я объясню работу волновых частиц, которые могут переходить из неактивных состояний в активные.Также я опишу их состояния и память, которую можно организовать на основе считывания переходов данных частиц. Поскольку частицы могут активироваться при некотором воздействии извне и распространяются в виде волны, то я назвал их волновыми нейронами.
Для начала рассмотрим модель нейрона мозга человека, и разберем его на ряд понятных компонентов.
Нейрон состоит из тела, дендритов и аксона. Дендриты подают входные сигналы в тело нейрона, аксон подает выход для сигналов нейрона. Само тело(ядро) нейрона накапливает входящие с дендритов(входов) сигналы, и в случае накопления какого-либо критического значения подает сигнал на аксон(выход).
Предположение
Предположим, что у нас есть холст, на котором, мы может отмечать пиксели только трех типов. К примеру это могут быть пиксели черного, белого и красного цветов. Предположим, что пиксели черного цвета представляют собой нейроны, бывшие активными, на данный момент неактивные. Красные пиксели — представляют собой пиксели, которые на данный момент активны(активные нейроны). И черные пиксели — нейроны неактивные.
Мы сканируем весь холст в целях поиска активных нейронов(красных пикселов).Нужно написать условие активации этих нейронов. Предположим, что вокруг неактивных(белых) нейронов имеется 8 клеток(нейронов), к которым подключены «дендриты»- входные сигналы.
Если вокруг белой клетки образуется какое — либо количество черных нейронов, и это количество черных нейронов больше установленного нами порогового значения, того мы окрашивает белую клетку в красный цвет.
Нужно выбрать условие окрашивания клетки в красный цвет. Поскольку вокруг белой клетки 8 нейронов, то и выбирать мы может также от 0 до 7.Если выберем 0 — ничего не произойдет. Нужно выбирать от 1 до 7.Если выбрать 1, то вокруг черного изображения возникнет красный сплошной контур. Если выбрать 2 или 3 то также будет получаться контур, однако не сплошной, эти значения активации не интeресны. Если выбрать значение 4, то получим интересный результат. Программа будет любые вогнутые изображения превращать в выпуклые.
Результаты
Нейроны активируются, если рядом один или более неактивных нейронов
Изображение
SPL
Нейроны активируются, если рядом четыре или более неактивных нейронов
Изображение
SPL
Разрушение изображения
Предположим, что у нас есть сложное изображение с большим количеством цветов. Мы будем преобразовывать RGB значение цвета в целочисленное значение и находить максимальное значение этого цвета. Потом мы сделаем фрагмент этого изображения прозрачным и снова найдем максимальное значение RGB цвета на картинке, не включая прозрачные пиксели и найденным цветом заполним прозрачную область изображение.
То есть мы удаляем некую область цвета и заменяем ее другим цветом. Тем самым, на изображение мы удаляем цвета один за другим, «разрушая» изображение. Также мы можем сохранить изобрaжение, которое мы заменяем в черно — белом представлении.
Результаты
Людям с эпилепсией не смотреть
Уничтожение изображения
SPL
Создание черно-белого изображения
SPL
Зачем я рассказал про уничтожение изображения? При описании изображения можно описать цветное изображение последовательностью черно-белых(бинарных) изображения, и их позже подробно описать.
Спасибо за чтение публикации
===========
Источник:
habr.com
===========
Похожие новости:
- [Машинное обучение, Искусственный интеллект, Звук] ИИ-шумовик генерирует звуки не хуже профессионала-человека
- [Энергия и элементы питания] Убытки, поломки, простои: последствия аварийного отключения электричества и способы их нивелировать
- [Астрономия] Где и как лучше всего наблюдать метеоры?
- [Разработка под iOS, Swift] 6 объединяющих операторов Swift Combine, которые вам следует знать (перевод)
- [Ненормальное программирование, Python, Управление разработкой] «Я что-то накодил и все упало»: провалы в Python-разработке на Russian Python Week 2020
- [Разработка под Android, Браузеры] Vivaldi 3.2 для Android — Ещё ближе к идеалу
- [JavaScript, Java, Big Data, Data Engineering] В диких условиях. Итоги проектов Школы программистов в эпоху самоизоляции
- [] Hacking Game: хакните и остановите шредер, в который загружено 200к, устройте короткое замыкание и пожар
- [IT-инфраструктура, Сетевые технологии, Asterisk, Сетевое оборудование] Для любителей лампового дизайна. Обзор IP-телефона Snom D385
- [Поисковые технологии, Программирование, Java, Разработка под e-commerce] Кому рецепты для электронной коммерции? Для SAP Commerce и не только
Теги для поиска: #_algoritmy (Алгоритмы), #_mashinnoe_obuchenie (Машинное обучение), #_mashinnyjanalizator (МашинныйАнализатор), #_ii (ии), #_algoritmy (
Алгоритмы
), #_mashinnoe_obuchenie (
Машинное обучение
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 10-Июн 14:37
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 4 месяца |
|
 Вступление В этой и последующих статьях я объясню работу волновых частиц, которые могут переходить из неактивных состояний в активные.Также я опишу их состояния и память, которую можно организовать на основе считывания переходов данных частиц. Поскольку частицы могут активироваться при некотором воздействии извне и распространяются в виде волны, то я назвал их волновыми нейронами. Для начала рассмотрим модель нейрона мозга человека, и разберем его на ряд понятных компонентов. Нейрон состоит из тела, дендритов и аксона. Дендриты подают входные сигналы в тело нейрона, аксон подает выход для сигналов нейрона. Само тело(ядро) нейрона накапливает входящие с дендритов(входов) сигналы, и в случае накопления какого-либо критического значения подает сигнал на аксон(выход). Предположение Предположим, что у нас есть холст, на котором, мы может отмечать пиксели только трех типов. К примеру это могут быть пиксели черного, белого и красного цветов. Предположим, что пиксели черного цвета представляют собой нейроны, бывшие активными, на данный момент неактивные. Красные пиксели — представляют собой пиксели, которые на данный момент активны(активные нейроны). И черные пиксели — нейроны неактивные. Мы сканируем весь холст в целях поиска активных нейронов(красных пикселов).Нужно написать условие активации этих нейронов. Предположим, что вокруг неактивных(белых) нейронов имеется 8 клеток(нейронов), к которым подключены «дендриты»- входные сигналы. Если вокруг белой клетки образуется какое — либо количество черных нейронов, и это количество черных нейронов больше установленного нами порогового значения, того мы окрашивает белую клетку в красный цвет. Нужно выбрать условие окрашивания клетки в красный цвет. Поскольку вокруг белой клетки 8 нейронов, то и выбирать мы может также от 0 до 7.Если выберем 0 — ничего не произойдет. Нужно выбирать от 1 до 7.Если выбрать 1, то вокруг черного изображения возникнет красный сплошной контур. Если выбрать 2 или 3 то также будет получаться контур, однако не сплошной, эти значения активации не интeресны. Если выбрать значение 4, то получим интересный результат. Программа будет любые вогнутые изображения превращать в выпуклые. Результаты Нейроны активируются, если рядом один или более неактивных нейронов ИзображениеSPL Нейроны активируются, если рядом четыре или более неактивных нейронов ИзображениеSPL Разрушение изображения Предположим, что у нас есть сложное изображение с большим количеством цветов. Мы будем преобразовывать RGB значение цвета в целочисленное значение и находить максимальное значение этого цвета. Потом мы сделаем фрагмент этого изображения прозрачным и снова найдем максимальное значение RGB цвета на картинке, не включая прозрачные пиксели и найденным цветом заполним прозрачную область изображение. То есть мы удаляем некую область цвета и заменяем ее другим цветом. Тем самым, на изображение мы удаляем цвета один за другим, «разрушая» изображение. Также мы можем сохранить изобрaжение, которое мы заменяем в черно — белом представлении. Результаты Людям с эпилепсией не смотреть Уничтожение изображенияSPL Создание черно-белого изображенияSPL Зачем я рассказал про уничтожение изображения? При описании изображения можно описать цветное изображение последовательностью черно-белых(бинарных) изображения, и их позже подробно описать. Спасибо за чтение публикации =========== Источник: habr.com =========== Похожие новости:
Алгоритмы ), #_mashinnoe_obuchenie ( Машинное обучение ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 10-Июн 14:37
Часовой пояс: UTC + 5