Пример готовой курсовой работы по предмету: Информационные технологии
Содержание
Содержание
Введение 3
I. Нейронная сеть Хопфилда 3
II. Однослойный персептрон 3
III. Применение распознавание I и II на 3-х объектах 3
IV. Вывод о возможности использования нейронных сетей для распознавания туристических достопримечательностей. 3
Список использованной литературы 3
Выдержка из текста
Введение
Технология дополнительной реальности — новый способ получения доступа к данным, при этом влияние этой технологии на общество может оказаться сравнимым с эффектом от появления Интернета. Авторство термина «дополненная реальность» принадлежит Томасу Престону Коделлу. инженеру исследовательской лаборатории Боинга. В 1992 г. он применил принципы технологии в системе, созданной для помощи рабочим в монтаже электрических кабелей в самолетах.
Дополненная реальность (Augmented reality, AR) – является технологией совмещения информации виртуальной, реализованной как в виде аудио или графических объектов, так и текстовой с реальными изображениями или объектами, обрабатываемой в режиме реального времени. Таким образом, именно взаимодействие виртуальных объектов с объектами реальными отличает дополнительную реальность от виртуальной. Задача, которая стоит перед данной технологией – расширение возможностей взаимодействия пользователя с объектами окружающего мира. Дополнительная информация, накладываемая на изображения реального мира имеет вспомогательно–информационных характер, при этом данная информация контекстно связана с реальными объектами и доступна пользователю в режиме реального времени.
Технология ДР находит применяется во многих областях деятельности людей, таких как медицина, инженерия, образовательные услуги, авиация и многие другие.
Системы дополненной реальности в большинстве своем основаны на работу с визуальными, либо с аудиовизуальными данными. Связано это в первую очередь с тем, что более 70 % информации человек получает с помощью органов зрения. В связи с этим, одной из основных проблем, которые возникают в процессе разработки систем дополнительной реальности является сложность распознавания образов и объектов реального мира вычислительными системами. Большой шаг в данном направлении был сделан с развитием нейронных сетей, предоставляющих новые возможности для решения проблем распознавания образов.
90-е годы двадцатого столетия характеризуются интенсивным всплеском исследований в области искусственных нейронных сетей (ИНС).
. Наличие значительного внимания к нейросетевым технологиям, проявляемого со стороны академических ученых, инженеров- информатиков и пользователей- практиков различных сфер деятельности, подтверждается огромным количеством публикаций в научной периодике. На сегодня есть все основания говорить о достижении определенных успехов нейросетевых технологий в решении сложных задач как чисто научных, так и в сфере техники, бизнеса, финансов, медицинской диагностики, других областях, связанных с интеллектуальной деятельностью.
В настоящее время в области ИНС работают ученые различных направлений таких, как компьютерные науки и инженерия, математика, физика, биология, психология, нейрофизиология, использующие различные подходы и методы и ставящие перед собой различные задачи, в связи, с чем довольно трудно рассуждать о теории искусственных нейронных сетей как о чем-то монолитно целом.
Рассматривая ИНС с более высокого уровня, можно говорить о них как о самостоятельном направлении в теории интеллектуальных систем, с которыми их роднит способность к накоплению и обобщению информации, использованию ее для решения проблем и накоплению новых знаний в процессе функционирования. Отличия же нейросетей от прочих интеллектуальных систем определяются их способностью к обучению по набору примеров, их запоминанию, формированию ассоциаций, восстановлению и воспроизведению данных и знаний, устойчивостью к сбоям, повышенной надежностью. В качестве определяющего отличительного признака ИНС все же следует выделить их способность к обучению, запоминанию и восстановлению даже искаженной информации.
Появление ИНС связано с пониманием того, что мозг живого организма работает иначе, чем компьютер. Человеческий мозг — это очень сложная нелинейная параллельная информационно-управляющая система способная к анализу, накоплению и восстановлению информации, решению проблем. Именно система подобная по своему устройству человеческому мозгу способна эффективна анализировать различные аудиовизуальные данные для создания систем дополнительной реальности.
Целью данного курсового проекта является анализ возможности реализации и разработка концепции автоматизированной системы дополнительной реальности реализующей задаче предоставления информации о туристических достопримечательностях.
Список использованной литературы
Список использованной литературы
1 Ф.Уоссермен, Нейрокомпьютерная техника, М., Мир, 1992.
2 Кохонен Т. Самоорганизация и ассоциативная память. Springer. 1984. 187 с.
3 Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений. — // Открытые системы, 1998, N1, с. 30-35.
4 Продукты для интеллектуального анализа данных. — программных средств. 1997, N14-15, с.32-39.
5 Бодянский Е.В., Руденко О.Г. Искусственные нейронные сети: архитектуры, обучение, применения. — Харьков: Телетех, 2004. — 369 с.: ил.
6 Кречетов Н.. Продукты для интеллектуального анализа данных. — Рынок программных средств. № 14-15, 1997. с. 32-39.
7 Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. — М.: Финансы и статистика, 2002. — 344 с.: ил.
8 Губарев В В., Альсова O.K., Беленький А.И., Гаврилов А.В., Голованскнй А.П., Давыдова Т.Н., Канглер В.М. Управление Новосибирским водохранилищем на основе прогнозирования притока. — // Водное хозяйство России. Проблемы, технологии, управление, Екатеринбург. Изд-во РосНИИВХ, 2000, т. 2, № 5. — С. 484-499.
9 Гаврилов А.В. Гибридные интеллектуальные системы. — Новосибирск: Изд-во НГТУ.2003. — 164 с.
10 Гаврилов А.В., Канглер В.М. Использование искусственных нейронных сетей для анализа данных. — // Сб. научи, трудов НГТУ. — Новосибирск: Изд-во НГТУ. 1999. — № 3(16).
- С. 56-63.
11 Гаврилов А.В.. Губарев В В. Применение модели Хопфилда для решения задачи прогнозирования на примере анализа притока реки Обь. // 2-я Всероссийская научно-техн. конф. "Нейроинформатика-2000", М., — С. 33-38.
