Тема:”Класифікаційна настроювання електронного мікроскопа: Інформаційне і програмне забезпечення системи автофокусування електронного мікроскопу”
Розділ 1. Аналіз проблеми комп'ютерної настройкі електронного мікроскопа
1.1 Застосування методів розпізнавання в науці і техніку
1.2 Опис об’єкту дослідження
1.3 Постановка задачі дослідження
Розділ 2. Метод функціонально статистичних випробувань(МФСВ)
2.1 Інформаційна модель СППР
2.2 Основні принципи та визначення МФСБ
2.3 Обчислення інформаційного критерію функціональной еффективності СППР
2.4 Визначення мінімального обсягу навчальної вибірки
Розділ 3. Інформаційне та програмне забеспечення системи автофокусування електронного мікроскопа
3.1 Математична модель автофокусування електронного мікроскопу
3.2 Опис алгоритму автофркусування ЇМ
3.3 Опис програмної системи
3.4 Результати моделювання на ЕОМ
Основні висновки
Додаток А (Інформаційний)
Текст программи
Список використанної літератури
Розділ 1. Аналіз проблеми комп’ютерної настройкі електронного мікроскопа
1.1 Застосування методів розпізнавання в науці і техніку
В останні роки увага багатьох учених звернено до проблеми навчання розпізнаванню образів.
Розпізнавання образів - одна з головних функцій усіх живих організмів являє собою задачу перетворення вхідної інформації, у якості якої доречно розглядати деякі параметри, ознаки розпізнаваних об'єктів у вихідну, що представляє собою висновок про тім, до якого класу відноситься розпізнаваний образ. Наприклад: мається деяка сукупність чи об'єктів явищ. Відповідно до обраного принципу класифікації вона підрозділена на ряд класів. Також розроблений словник ознак, мовою якого описується кожен клас об'єктів, і створені технічні засоби, що забезпечують визначення ознак. На обчислювальних засобах системи розпізнавання реалізований алгоритм розпізнавання, що дозволяє зіставити дані про невідомий об'єкт з інформацією про визначений тип об'єктів і на основі зіставлення визначати, до якого класу він може бути віднесений. З появою об'єкта, що підлягає розпізнаванню, за допомогою технічних засобів спостережень проводяться досвіди і визначаються його ознаки. Дані про ознаки невідомого об'єкта надходять на вхід алгоритму розпізнавання, що, використовуючи опису класів, визначає, до якого класу може бути віднесений цей об'єкт.
Математичним апаратом постановки і рішення задач розпізнавання образів з моменту їхнього виникнення з'явилася теорія статистичних рішень, розроблена Дж. Нейманом і К. Пирсоном. Базою для побудови алгоритмів розпізнавання послужили класичні результати теорії статистичних рішень.
Актуальність поставленої проблеми полягає в тому, що в даний час системи розпізнавання одержують усе більше поширення, і майже немає такої галузі чи науки сфери виробничої діяльності, де вони чи не використовуються не будуть застосовані в найближчі роки .
Існує ряд напрямків у науці і техніку, у яких використання методів розпізнавання відкриває революціонізуючий вплив на розвиток цих напрямків. Відомо, що одним з найважливіших прикладних напрямків застосування методу розпізнавання є системи технічної діагностики механізмів і машин. Широке впровадження систем технічної діагностики є одним з найважливіших факторів підвищення ефективності використання машин і технологічного устаткування, різкого скорочення витрат на їхній ремонт і експлуатацію і, отже, може по праву розглядатися як один з найважливіших напрямків прискорення НТП. Особливу роль здобувають системи технічної діагностики в зв'язку зі зміною поколінь технічних систем. Наприклад, на зміну порівняно простим металообробним верстатам приходять обробне центры з числовим програмним керуванням; цифровим машинам перших поколений-эвм п'ятого покоління; тепловим електростанціям – атомні. Ускладнення і як наслідок, подорожчання машин приводить до збільшення витрат на ремонт і експлуатацію. Найбільш ефективне рішення цієї проблеми це застосування систем технічної діагностики, що забезпечують можливість без розбірного пошуку несправностей.
Використання в медичній діагностиці методів розпізнавання і створення на їхній основі автоматизованих систем докорінно змінює ефективність діагностики з погляду широти обхвату медичних симптомів, її оперативності, повноти, вірогідності.
Проектування систем розпізнавання досить складний ітеративний процес, реалізація якого сполучена з побудовою поступово уточнюється математичної чи фізико-математичної моделі проектованої системи.
А все значення проблеми розпізнавання порозумівається тим, що вона тісно зв'язана з такою областю досліджень, як вивчення можливостей створення штучного інтелекту. Необхідно з'ясувати, чи зможе який-небудь штучний пристрій самостійно ввійти в контакт із навколишнім світом, осмислити цей світ, пристосуватися до нього, а потім і керувати ім. Створення ж штучного інтелекту – це, насамперед побудова систем, що розпізнають, що наближається по своїх можливостях до можливостей людини в рішенні задач розпізнавання.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.
