Информационные системы и технологии УДК 004.931 Д.А. ТОРОПЧИН, К.В. ЛЫСЫХ, Н.И. КОРСУНОВ РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ АППРОКСИМАЦИИ ФУНКЦИЙ И КОМБИНИРОВАННЫХ НЕЙРОННЫХ СЕТЕЙ В данной работе предлагается метод распознавания изображений на основе комбинированной нейронной сети. <...> Известно, что искусственные нейронные сети (ИНС) широко применяются при решении задач распознавания образов [1], аппроксимации функции и ряде других задач. <...> При этом архитектура и обучение ИНС ориентирована на класс решаемых задач. <...> Архитектура ИНС имеет некоторое сходство с естественными нейронными сетями. <...> ИНС, предназначенные для решения различных задач, могут существенно различаться алгоритмами функционирования. <...> ИНС состоит из элементов, называемых формальными нейронами, которые сами по себе очень просты и связаны с другими нейронами. <...> Одно из преимуществ ИНС (а также недостаток при реализации их на последовательной архитектуре) – это то, что все элементы могут функционировать параллельно, тем самым существенно повышая эффективность решения задачи, особенно в обработке изображений. <...> Кроме того, что ИНС позволяют эффективно решать многие задачи, они предоставляют мощные гибкие и универсальные механизмы обучения, что является их главным преимуществом перед другими методами (вероятностные методы, линейные разделители, решающие деревья и т.п.) <...> Но тем не менее выбор исходного представления входных данных (вектор в nмерном пространстве, частотные характеристики, вейвлеты и т.п.) существенно влияет на качество решения и является отдельной темой. <...> Решение задач аппроксимации используют многослойные ИНС прямого распространения, обучение которых ведется методом обратного распространения, а для решения задач распознавания образов более эффективно использование ИНС с обратными связями, например, сетей Гроссберга [2]. <...> Однако любой образ представляет некоторую функцию и его распознавание тесно связано с аппроксимацией <...>