В современных системах автоматизированного проектирования ши

Рис. 2.8.
Схема формального нейрона 

---

40
компонента входного вектора умножается в блоке 2 на вес входа (вес си-
напса) 
x
i
, а затем результаты суммируются в блоке 3 и передаются на вход 
нелинейного преобразователя 4. Нелинейный преобразователь 4 на основе 
выходного сигнала сумматора вырабатывает выходной сигнал нейрона в 
соответствии с заложенной в него функцией активации 
y
= 
φ
(
x
). Выходной 
сигнал нейрона через точку ветвления 5 передаётся на входы других фор-
мальных нейронов. 
Не нарушая общности, поставим задачу создания нейронной сети, 
предназначенной для распознавания графических образов методом срав-
нения с эталонами. Графические образы образуются, например, в видеока-
мере или цифровом фотоаппарате. Эталоны также задаются, например, в 
форме цифровых фотографий. Алгоритм работы нейронной сети при рас-
познавании изображений состоит из двух обобщенных этапов. 
1.
Предварительный этап, состоящий в наведении видеокамеры на объ-
ект, автофокусировки изображения, масштабирования и центрирова-
ния изображения на фотоприемнике видеокамеры. 
2 С
обственно распознавание изображения методом сравнения с этало-
нами.
Первый этап 
решается стандартным набором функций видеокамер, 
предназначенных для работы в системах видеонаблюдения и обеспечения 
безопасности. Это, например, видеокамера PANASONIC WV-CS570. В ре-
зультате получается стандартизованное изображение, грубо расположен-
ное в центре экрана и имеющее стандартный масштаб. 
Второй этап, 
состоящий собственно в распознавании и идентифи-
кации изображения, в системах обеспечения безопасности обычно решает-
ся оператором. В работе сделана попытка автоматизировать процесс рас-
познавания графических изображений. 
На основе теоретического анализа предложен алгоритм распознава-
ния, состоящий из двух этапов: 

---