Mühazirə Bilik anlayışı. Biliklərin təsvir və təqdim üsulları

Simvolların tanınması
Hazırda simvolların tanınmasına üç yaxınlaşma məlumdur: şablon, struktur və əlamətli. Bütövlülük prinsipinə yalnız birinci ikisi cavab verir. Şablon və struktur yaxınlaşmaların bütövlülük nöqteyi nəzərindən bir-birindən əsas fərqləri yuxarıda qeyd olunmuşdur.
Şablon sistemlər. Bu cür sistemlər ayrıca simvolun təsvirini rastr təsvirə çevirir, onu bazada olan bütün şablonlarla müqayisə edir və giriş təsvirindən fərqli olan ən az saylı nöqtələri olan şablonları seçirlər. Şablon sistemlər təsvirin defektlərinə qarşı daha dayanıqlıdırlar və giriş verilənlərini yüksək sürətlə emal edirlər. Lakin onlar yalnız onlara məlum olan şablonlara məxsus şriftləri tanıyırlar. əgər tanınılan şrift etalondan hətta çox az fərqlənirsə, şablon sistemlər hətta ən yüksək keyfiyyətli təsvirlərin işlənilməsi zamanı belə səhvlər buraxa bilərlər.
Struktur sistemlər. Bu sistemlərdə obyekt qraf kimi təsvir olunur. Yuxarıda qeyd olunduğu kimi həmin qrafın düyünləri giriş obyektinin elementləri, qövsləri isə onlar arasındakı fəza münasibətləridirlər. Bu cür yaxınlaşmanı həyata keçirən sistem adətən vektor təsvirlərlə işləyir. Struktur elementlər kimi simvolları təşkil edən xətlər götürülür. Struktur sistemlərin çatışmamazlığı – onların təsvirlərin defektlərinə qarşı yüksək həssaslıqlarının olmasıdır. Bundan başqa bu sistemlər üçün şablon və əlamətli sistemlərdən fərqli olaraq, bu günə qədər effektiv avtomatlaşdırılmış öyrədilmə əməliyyatları yaradılmamışdır.
Əlamətli sistemlər. Bu sistemlərdə hər bir simvolun ortaqlaşdırılmış təsviri əlamətlərin n-ölçülü fəzasında obyekt kimi təqdim olunur. Burada əlamətlərin əlifbası seçilir. Onların qiymətləri giriş təsvirinin tanınması zamanı hesablanırlar.
Alınmış n-ölçülü vektor etalonlarla müqayisə edilir və təsvir onlara daha çox oxşayana aid edilir. Əlamətli sistemlər bütövlülük prinsipinə cavab vermirlər.

Obrazların tanınmasının neyron şəbəkələri
Neyron şəbəkələrin tədqiqi ilə obrazların tanınması məsələsinin klassik qoyuluşu aşağıdakı kimi səslənir. “Giriş neyronları” qatına tanınılan obrazın elementləri barəsində informasiya daxil olduqda çıxış qatında giriş obrazının aid olduğu obrazlar sinfinə müvafiq olaraq bir neyron həyəcanlanır. Hər bir obraz yalnız onun özünə məxsus və onu başqalarından fərqləndirən əlamətlərə malikdir.

Müxtəlif tip qrafiki obrazların tanınması uzun müddət süni intellekdə aktiv tədqiqat oblastı olmuşdur.İnsan beyninin fəaliyyətini imitasiya edən ilk neyrobənzər sistemlər məhz həmin məsələnin həlli üçün yaradılmışlar.Neyron əsrinin başlanğıcında yaradılmış MARK-1 perseptronu bütün dünyada məşhurdur.
Hər bir obraz yalnız onun özünə məxsus və onu başqalarından fərqləndirən əlamətlərə malikdir.Əgər baxılan obrazın əlamətləri konkret sinifin obrazının əlamətinə yaxındırsa,misal üçün,”A”simvoluna,biz onu həmin sinfə aid edirik. Əlamət kimi təsvirin müvafiq parlaqlıq səviyyəsi və ya qavrama dərəcəsi təsvir sahəsində təsvirin xətlərinin və ya cizgilərinin olub olmamasını və s. misal göstərmək olar.
Neyron şəbəkələrinin ierarxik strukturunda aşağıdakı səviyyə təsvirin sadə elementlərinin müşahidə olunması üçün nəzərdə tutlmuşdur. Bu elementlər sonrakı səviyyələrdə daha mürəkkəb elementlərlə kombinasiya olunurlar. Daha sonra isə həmin kombinasiyalara görə təsvirirn müəyyən obrazlar sinfinə aid olması müəyyən edilir. Ən geniş yayılmış obrazların tanınmasının neyron şəbəkələrinə BPFF tipli (Backpropagation Feed Forward Neural Network) göstərmək olar. Bu şəbəkələrdə əlifbanın hərflərinin və rəqəmlərin tanınması üçün istifadə olunur. Şəbəkə 3 neyron qatından ibarətdir.
I. Giriş qatı.
II. Gizli qat.
III. Çıxış qatı.
Giriş neyronları təsvirin sadə əlamətləri üçün təyin olunmuşlar.Hər bir çıxış neyronuna əlifbanın müəyyən hərfi və ya rəqəm müvafiq olur.Gizli neyronlar şəbəkənin giriş obrazlarının geniş çoxluğunun düzgün təsnifat etmə qabiliyyətinin təmin edilməsi və ya hesablama gücü üçün zəruridirlər.