Dương Đức Anh, N. Hoan, Nguyễn Hồng Vũ, Nguyễn Tài Tuyên, Nguyễn Quang Trí
{"title":"高阶细胞神经网络学习规则的发展及其在图像处理中的应用","authors":"Dương Đức Anh, N. Hoan, Nguyễn Hồng Vũ, Nguyễn Tài Tuyên, Nguyễn Quang Trí","doi":"10.34238/tnu-jst.8087","DOIUrl":null,"url":null,"abstract":"Mục đích của bài viết này là cải tiến một thuật toán học, được phát triển từ thuật toán học Perceptron hồi quy và thuật toán nhận dạng mẫu (dành cho Mạng nơ ron tế bào bậc cao). Phương pháp nghiên cứu của chúng tôi là phát triển lý thuyết học trong mạng nơ ron tế bào bậc cao và thử nghiệm các thuật toán. Kết quả nghiên cứu là hai thuật toán được cải tiến và bộ trọng số, ảnh xử lý được bằng hai thuật toán đó. Tập hợp các trọng số thu được từ thuật toán đã phát triển (tên là Thuật toán học Perceptron hồi quy bậc hai: SORPLA) có thể được sử dụng làm bộ lọc hoặc hạt nhân cho các vấn đề trong xử lý ảnh. Kết luận của bài báo như sau: Thứ nhất, sửa đổi thuật toán RPLA, bổ sung các mẫu bậc cao A và các mẫu bậc cao B; Thứ hai, cải thiện thuật toán xử lý hình ảnh PyCNN. Ngoài ra, bài báo cũng đề xuất khả năng ứng dụng của SORPLA trong phát hiện biên ảnh bằng cách sử dụng tập các trọng số thu được từ thuật toán đã phát triển cho Mạng nơ ron tế bào bậc cao.","PeriodicalId":23148,"journal":{"name":"TNU Journal of Science and Technology","volume":"15 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-06-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"DEVELOPMENT OF LEARNING RULES FOR HIGH-ORDER CELLULAR NEURAL NETWORKS AND APPLICABILITY IN IMAGE PROCESSING\",\"authors\":\"Dương Đức Anh, N. Hoan, Nguyễn Hồng Vũ, Nguyễn Tài Tuyên, Nguyễn Quang Trí\",\"doi\":\"10.34238/tnu-jst.8087\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Mục đích của bài viết này là cải tiến một thuật toán học, được phát triển từ thuật toán học Perceptron hồi quy và thuật toán nhận dạng mẫu (dành cho Mạng nơ ron tế bào bậc cao). Phương pháp nghiên cứu của chúng tôi là phát triển lý thuyết học trong mạng nơ ron tế bào bậc cao và thử nghiệm các thuật toán. Kết quả nghiên cứu là hai thuật toán được cải tiến và bộ trọng số, ảnh xử lý được bằng hai thuật toán đó. Tập hợp các trọng số thu được từ thuật toán đã phát triển (tên là Thuật toán học Perceptron hồi quy bậc hai: SORPLA) có thể được sử dụng làm bộ lọc hoặc hạt nhân cho các vấn đề trong xử lý ảnh. Kết luận của bài báo như sau: Thứ nhất, sửa đổi thuật toán RPLA, bổ sung các mẫu bậc cao A và các mẫu bậc cao B; Thứ hai, cải thiện thuật toán xử lý hình ảnh PyCNN. Ngoài ra, bài báo cũng đề xuất khả năng ứng dụng của SORPLA trong phát hiện biên ảnh bằng cách sử dụng tập các trọng số thu được từ thuật toán đã phát triển cho Mạng nơ ron tế bào bậc cao.\",\"PeriodicalId\":23148,\"journal\":{\"name\":\"TNU Journal of Science and Technology\",\"volume\":\"15 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-06-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"TNU Journal of Science and Technology\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.34238/tnu-jst.8087\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"TNU Journal of Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34238/tnu-jst.8087","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
DEVELOPMENT OF LEARNING RULES FOR HIGH-ORDER CELLULAR NEURAL NETWORKS AND APPLICABILITY IN IMAGE PROCESSING
Mục đích của bài viết này là cải tiến một thuật toán học, được phát triển từ thuật toán học Perceptron hồi quy và thuật toán nhận dạng mẫu (dành cho Mạng nơ ron tế bào bậc cao). Phương pháp nghiên cứu của chúng tôi là phát triển lý thuyết học trong mạng nơ ron tế bào bậc cao và thử nghiệm các thuật toán. Kết quả nghiên cứu là hai thuật toán được cải tiến và bộ trọng số, ảnh xử lý được bằng hai thuật toán đó. Tập hợp các trọng số thu được từ thuật toán đã phát triển (tên là Thuật toán học Perceptron hồi quy bậc hai: SORPLA) có thể được sử dụng làm bộ lọc hoặc hạt nhân cho các vấn đề trong xử lý ảnh. Kết luận của bài báo như sau: Thứ nhất, sửa đổi thuật toán RPLA, bổ sung các mẫu bậc cao A và các mẫu bậc cao B; Thứ hai, cải thiện thuật toán xử lý hình ảnh PyCNN. Ngoài ra, bài báo cũng đề xuất khả năng ứng dụng của SORPLA trong phát hiện biên ảnh bằng cách sử dụng tập các trọng số thu được từ thuật toán đã phát triển cho Mạng nơ ron tế bào bậc cao.