Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2019 - zeszyt 4

Low computational complexity algorithm for recognition highly corrupted QR codes based on Hamming-Lippmann neural network

Algorytm o niskiej złożoności obliczeniowej do rozpoznawania wysoce uszkodzonych kodów QR w oparciu o sieć neuronową Hamminga-Lippmanna

10.15199/48.2019.04.29

nr katalogowy: 119500
10.15199/48.2019.04.29

Streszczenie

This article describes the architecture of the Hamming-Lippmann neural network and the math of the modified learning-recognition algorithm and presents some practical aspects for using it for solving an image recognition task. We have created software using C# programming language, that utilized this network as an additional error-correcting procedure, and have solved the task of recognition highly corrupted QR codes (with a connection to the database). Experimental results, of finding the optimal parameters for this algorithm, are presented. This neural network doesn't require time-consuming computational procedures and large amounts of memory, even for high-resolution and big size images.

Abstract

W tym artykule opisano architekturę sieci neuronowej Hamminga-Lippmanna oraz matematykę zmodyfikowanego algorytmu rozpoznawania uczenia się, a także przedstawiono kilka praktycznych aspektów korzystania z niej w celu rozwiązania zadania rozpoznawania obrazu. Stworzyliśmy oprogramowanie wykorzystujące język programowania C #, który wykorzystał tę sieć jako dodatkową procedurę korekty błędów i rozwiązaliśmy zadanie rozpoznawania wysoce uszkodzonych kodów QR (w połączeniu z bazą danych). Przedstawiono wyniki eksperymentalne poszukiwania optymalnych parametrów dla tego algorytmu. Opisywana neuronowa nie wymaga czasochłonnych procedur obliczeniowych i dużej ilości pamięci, nawet w przypadku obrazów o wysokiej rozdzielczości i dużych rozmiarach.

Słowa kluczowe

Keywords

Bibliografia

[1] McCulloch W., Pitts W., A Logical Calculus of Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics, 5 (1943), 115-133
[2] Smagt van der P., Krose, B., An Introduction to Neural Networks, Netherlands, University of Amsterdam, Faculty of Mathematics and Computer Science (1996), 15-19.
[3] Haykin S., Neural Networks: A Comprehensive Foundation, New Jersey, Prentice Hall, (1994), 89-97
[4] Norvig P., Russel S., Artificial Intelligence, New Jersey, Prentice Hall, (2009), 863-902
[5] Król K., Inverse problem solution using neural network, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska - IAPGOS, 2(2012), no. 1., 9-11
[6] Caudill, M., Neural Networks Primer, Part I, AI Expert, 2(1987), 46-52
[7] Goyal S., Goyal G.K., Advanced Computing Research on Cascade Single and Double Hidden Layers for Detecting Shelf Life of Kalakand: An Artificial Neural Network Approach, International Journal of Computer Science and Emerging Technologies, 2(2011), 292-295
[8] Mason J., Ellacott S.W., Mathematics of Neural Networks, Springer, (1997), 3-15
[9] Wójcik W., Kotyra A., Golec T. et al., Vision based monitoring of coal flames, Przegląd Elektrotechniczny, 87 (2008), n.3, 241- 243
[10] Lippmann, R., An Introduction to Computing with Neural Nets, IEEE ASSP Magazine, 4(1987), 4-22
[11] Morelos-Zaragoza R., The Art of Error Correction Coding, John Wiley&Sons, (2006), 27-39
[12] Lippmann R., Gold B., Malp M.L., A Comparison of Hamming and Hopfield Neural Nets for Pattern Classification, Cambridge, Massachusetts Institute of Technology, Technical Report 769, 41 p. (1987)
[13] Koutroumbas K., Kalouptsidis N., Generalized Hamming Networks and Applications, Neural Networks, 18(2005), 896- 913
[14] Gonzalez, R.C., Woods, R.E., Digital Image Processing, Prentice-Hall, (2008), 206-253
[15] Fausett L., Fundamentals of Neural Networks: Architectures, Algorithms, and Applications, Prentice-Hall, (1994), 158-169
[16] Callan R., The Essence of Neural Networks, Prentice Hall, (1999), 108-116
[17] Luger G., Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison Wesley, 29-38 (2005).
[18] Rojas R., Neural Networks, Springer Science & Business Media, (1996), 23-27
[19] Stolarczuk P.; Yatsuk V.; Majewski J., Małaczywski P., Michalewa M. Usage of capacitive sensors for fast checking of parameters of multicomponent solutions. Przegląd Elektrotechniczny, 86 (2010), No. 10, 92-95.
[20] Toliupa S., Kravchenko Y., Trush A., Organization of implementation of ubiquitous sensor networks, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska - IAPGOS, 8(2018), no. 1., 36-39
[21] Heaton J., Introduction to Neural Networks for C#, Heaton Research, (2008), 39-137
[22] Wójcik W., Smolarz A., Information Technology in Medical Diagnostics, Taylor &Francis Group CRC Press Reference, (2017), 210
[23] Vassilenko V., Valtchev S., Teixeira J.P., Pavlov S., Energy harvesting: an interesting topic for education programs in engineering specialities, Internet, Education, Science, (2016), 149-156
[24] Krak Yu.V., Dynamics of manipulation robots: Numericalanalytical method of formation and investigation of computational complexity, Journal of Automation and Information Sciences, 31(1999), no. 1-3, 121-128

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 56465 "Światowy Tydzień Wody..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2019-4 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

GOSPODARKA WODNA - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

384.00 zł

GOSPODARKA WODNA - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
GOSPODARKA WODNA - papierowa prenumerata roczna	432.00 zł brutto 400.00 zł netto 32.00 zł VAT (stawka VAT 8%)
GOSPODARKA WODNA - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

474.00 zł

GOSPODARKA WODNA - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
GOSPODARKA WODNA - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	582.00 zł brutto 538.89 zł netto 43.11 zł VAT (stawka VAT 8%)

582.00 zł

Zeszyt

2019-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma