Применение нейронных сетей для распознавания хитинозой на изображениях |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-11-05 11:45 Р. Р. Якупов, К. Б. Гусманова DOI: 10.19110/geov.2024.9.5 Палеонтологическое определение микрофауны с помощью автоматизированного распознавания изображений представляет собой инновационное приложение существующих программных методов анализа и классификации на основе технологий компьютерного зрения и машинного обучения. Разработка программного обеспечения, способного распознавать хитинозои на снимках, упростит и ускорит обработку больших массивов данных по микрофоссилиям. Использование нейронных сетей для анализа изображений возможно и для других групп органических остатков. Хитинозои имеют ряд преимуществ, позволяющих поэтапно оценить применимость технологии автоматизированного распознавания изображений для биостратиграфических задач по сравнению с другими группами микрофоссилий. Искусственная палеонтологическая классификация хитинозой построена на четких морфологических признаках и поддается формализации. На первом этапе решения задач распознавания проводилось построение функции классификации, прогнозирующей, к какому классу принадлежит ископаемое по входному вектору признаков: «хитинозоа» либо «нехитинозоа». Разработанная модель алгоритма распознавания хитинозой показала высокую степень точности (более 98 %). Ключевые слова: хитинозои, распознавание изображений, нейронные сети, машинное обучение, палеонтология https://geo.komisc.ru/images/stories/vestnik/2024/357/35-39-357.pdf Источник: geo.komisc.ru Комментарии: |
|