К курсовому проекту по курсу «Архитектура компьютера» Тема: «Искусственные нейронные сети»

Скачать 260.4 Kb.

Название	К курсовому проекту по курсу «Архитектура компьютера» Тема: «Искусственные нейронные сети»
страница	3/3
Дата публикации	21.05.2014
Размер	260.4 Kb.
Тип	Пояснительная записка

literature-edu.ru > Лекции > Пояснительная записка

1 2 3

Приложение

Программа написанная на языке C#. Реализация основных функций программы.
Функция расстояние между цветами:
public static int GetColorDistance(Color c1, Color c2)
{
Func sqr = x => x * x;
return sqr(c1.R - c2.R) + sqr(c1.G - c2.G) + sqr(c1.B - c2.B) + sqr(c1.A - c2.A);
}
Построение графа:
private void MakeGraph()
{
var graphSize = _image.Height * _image.Width;
_graph = Enumerable.Range(0, graphSize).Select(x => new List()).ToArray();
int height = _image.Height;
int width = _image.Width;
Func getVertex = (i, j) => j * width + i;
Func isIn = (a, from, to) => a >= from && a <= to;
var syncObj = new object();
Parallel.For(0, width, i =>
{
for (int j = 0; j < height; j++)
{
var vertex = getVertex(i, j);
{
for (int k = i - _blur; k <= i + _blur; k++)
for (int l = j - _blur; l <= j + _blur; l++)
{
if (k == i && l == j) continue;
if (!isIn(k, 0, width - 1) || !isIn(l, 0, height - 1))
continue;
lock (syncObj)
{
if (
ImageParserHelper.GetColorDistance(_image.GetPixel(i, j),
_image.GetPixel(k, l)) <=
_toleranceLevel)
{
_graph[vertex].Add(getVertex(k, l));
}
}
}
}
}
});
}
Выделение связных компонент:
private void Dfs(int v)
{
if (_set[v] > 0)
return;
var q = new Queue();
q.Enqueue(v);
while (q.Count > 0)
{
var vert = q.Dequeue();
if (_set[vert] > 0) continue;
_set[vert] = _curSet;
_graph[vert].ForEach(q.Enqueue);
}
}
private void MakeComponents()
{
var graphSize = _image.Height * _image.Width;
_curSet = 1;
_set = new int[graphSize];
for (int i = 0; i < graphSize; i++)
{
if (_set[i] > 0) continue;
Dfs(i);
_curSet++;
}
_curSet--;
_components = Enumerable.Range(0, _curSet).Select(x => new GraphComponent{Image = _image}).ToArray();
for(int i = 0; i < graphSize; i++)
{
_components[_set[i]-1].Add(i);
}
}
Удаление фона и шумов:
private void RemoveBackGroundComponents()
{
var biggestComponent = _components.OrderByDescending(x => x.Count).First();
_background = biggestComponent.GetAverageColor();
var newComponents =
_components.Where(
x => ImageParserHelper.GetColorDistance(x.GetAverageColor(), _background) > _toleranceLevel)
.OrderByDescending(x => x.Count).ToList();
if(newComponents.Count == 0) return;
var minCount = newComponents[0].Count;
long allVertexCount = 0;
var allCount = 0;
for (int i = 1; i < newComponents.Count; i++ )
{
if (newComponents[i].Count * allCount * c_Eps < allVertexCount)
break;
allVertexCount += newComponents[i].Count;
allCount++;
minCount = newComponents[i].Count;
}
_components =
newComponents.Where(x => x.Count >= minCount).ToArray();
}
Обучение нейронной сети:
public void Learn(ImageState imageState)
{
if (imageState.Image.GetLength(0) != State.N)
throw new ArgumentException(string.Format("Length of input image must be exactly {0}", State.N));
var num = State.ImageStates.Count;
for(int j = 0; j < State.N; j++)
{
State.W[num, j] = imageState.Image[j];
}
State.ImageStates.Add(imageState);
}
Поиск образа:
public ImageState FindImage(int[] input, int maxIterations = 1000)
{
var yIn = new double[State.M];
for(int i = 0; i < State.M; i++)
{
for(int j = 0; j < State.N; j++)
{
yIn[i] += (double)State.W[i, j]*input[j]/2;
}
}
Func activate = x => x > 0 ? x : 0;
var y = new double[State.M];
var s = new double[State.M];
var yLast = new double[State.M];
Array.Copy(yIn, s, State.M);
ArrayCopyF(s, y, activate);
for (var it = 0; it < maxIterations; it++ )
{
Array.Copy(y, yLast, State.M);
for (var i = 0; i < State.M; i++)
{
var sum = 0.0;
for (var j = 0; j < State.M; j++)
{
if (i == j) continue;
sum += y[j];
}
s[i] = y[i] - State.Eps * sum;
}
ArrayCopyF(s, y, activate);
if (ArrayEquals(y, yLast, Eps))
{
for (int k = 0; k < State.M; k++)
if (y[k] > 0)
return State.ImageStates[k];
}
}
return null;
}

1 2 3

Похожие:

	Круглов В. И., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети Тарасик В. П. Математическое моделирование технических систем. Минск: «Дизайн про», 2004. – 640 с		Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. 2-е изд Попов Э. В. Общение с ЭВМ на естественном языке. / Э. В. Попов. М.: Наука, 1982
	К курсовому проекту по курсу «Операционные системы и среды» Тема:... Главная идея такого подхода – в разделении всей задачи на более мелкие подзадачи, которые могут быть вычислены независимо друг от...		Препроцессор пояснительная записка к курсовому проекту по курсу «Схемотехника эвм» Графическая часть состоит из 4 документов: схема электрическая функциональная (Э2), схема электрическая принципиальная (Э3), диаграмма...
	Препроцессор пояснительная записка к курсовому проекту по курсу «Схемотехника эвм» Графическая часть работы состоит из 4 документов: схема электрическая функциональная (Э2), схема электрическая принципиальная (Э3),...		Препроцессор пояснительная записка к курсовому проекту по курсу «Схемотехника эвм» Использовано 5 литературных источников. Графическая часть включает в себя 4 документа: схему электрическую функциональную (Э2), схему...
	Препроцессор пояснительная записка к курсовому проекту по курсу «Схемотехника эвм» Использовано 5 литературных источников. Графическая часть включает в себя 4 документа: схему электрическую функциональную (Э2), схему...		Препроцессор пояснительная записка к курсовому проекту по курсу «Схемотехника эвм» Использовано 5 литературных источников. Графическая часть включает в себя 4 документа: схему электрическую функциональную (Э2), схему...
	Пояснительная записка к курсовому проекту на тему микропроцессорная...		Пояснительная записка. К курсовому проекту «Проектирование гравитационной подпорной стенки на естественном и искусственном основаниях и на сваях»

Литература