ВВЕДЕНИЕ 7
1. ОСНОВНЫЕ ПОНЯТИЯ ИСКУССВЕННЫХ ИНТЕЛЛЕКТУАЛЬНЫХ
СИСТЕМ И НЕЙРОННЫХ СЕТЕЙ 11
1.1 История развития нейронных сетей 11
1.2 Понятие «искусственная нейронная сеть» 13
1.2.1 Биологический нейрон и искусственный нейрон 14
1.3 Классификации искусственных интеллектуальных систем 17
1.4 Профайлинг в системе интеллектуального анализа данных 22
1.5 Искусственные интеллектуальные системы распознавания эмоций 26
2. ИНФОРМАЦИОННЫЕ МОДЕЛИ НЕЙРОННЫХ СЕТЕЙ И
РАСПОЗНАВАНИЯ ЭМОЦИЙ
2.1 Однонаправленные многослойные сети Ошибка! Закладка не
определена.
2.1.1 Обучение многослойного персептрона методом обратного
распространения ошибки 33
2.2 Рекуррентная нейронная сеть 35
2.3 Сети Кохонена 37
2.3.1 Алгоритм Кохонена 39
2.4 Радиальные нейронные сети 40
2.5 Интенсивность действия движения лицевых мышц 45
2.6 Анализ методов обнаружения лиц на изображении 47
3. АЛГОРИТМ РАСПОЗНАВАНИЯ ЭМОЦИЙ С ПРИМЕНЕНИЕМ
НЕЙРОННОЙ СЕТИ 56
3.1 Математическая постановка задачи распознавания 56
3.1.1 Получение инвариантов распознавания лиц 56
3.1.2 Выбор адекватной метрики 57
3.1.3 Решение задачи распознавания нейронной сетью 57
3.2 Методика распознавания двигательной активности лица 59
3.2.1 Обучение нейронной сети в MATLAB 65
ЗАКЛЮЧЕНИЕ 74
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 76
В современном мире искусственные интеллектуальные системы завоевали большую популярность, благодаря богатым возможностям и эффективности использования.
Существует множество задач, где необходимо практическое разрешение с использованием интеллектуальных систем уже сейчас: экономика и бизнес, робототехника, геологоразведка, математика, биофизика, авионика, безопасность и охранные системы, медицина и многие другие[32, с.34]. Такое обилие областей применения, говорит о том, что интеллектуальные системы - это уникальный набор для решения вопросов анализа и обработки большого объема данных, решения задач разного уровня сложности.
В настоящее время в системах искусственного интеллекта активно используются искусственные нейронные сети.
Нейронная сеть - это вычислительная структура, которая состоит из множества элементов одного типа. Эти элементы выполняют простые функции, а все процессы, происходящие в искусственной нейронной сети можно ассоциировать с процессами, происходящими в нервной системе живых организмов.
Нейронные сети нелинейны по своей природе, в них отсутствует явная зависимость, позволяющая сразу использовать разработанную технологию (информационную модель нейросети). На протяжении многих лет линейное моделирование было основным методом моделирования, поскольку для него хорошо разработаны процедуры оптимизации.
Актуальность магистерской диссертации заключается в использовании нейронных сетей для решения плохо формализованных задач в интеллектуальном анализе данных. Рост объемов информации, а также расширение круга технически сложных задач принятия решений требуют систематизации существующих методов и разработки новых методик и алгоритмов решения. В магистерской диссертации рассматривается возможность применения нейронной сети при решении задачи распознавания эмоций человека.
Искусственные нейронные сети дают многообещающие перспективы в развитии, а программное обеспечение имеет огромное преимущество от их использования. Кроме того, каждая реализуемая задача имеет неограниченный и нестандартный набор методов решения. В магистерской диссертации рассматривается возможность применения нейронной сети при решении задачи распознавания эмоций человека.
Темой магистерской диссертации является реализация интеллектуальной системы распознавания эмоций с применением нейронных сетей.
Основной целью работы является выбор информационной модели нейросети и реализация алгоритма распознавания двигательной активности лица. Нейронная сеть должна быть оптимальна по внутренней структуре, способу управления информационными потоками между нейронами. Выбранная информационная модель будет использована для решения практической задачи.
Основные задачи диссертационной работы:
1) Изучение существующих видов искусственных интеллектуальных систем, а также методов их функционирования.
2) Изучение основных видов информационных моделей искусственных нейронных сетей. Выбор оптимальной информационной модели нейронной сети для решения задачи распознавания эмоций.
3) Изучение существующих методов распознавания мимики и выделение универсальных методов среди них.
4) Реализация и описание алгоритма распознавания двигательной активности лица для интеллектуальной системы и решение практической задачи.
Объектом данного исследования являются подходы, методы
распознавания мимических выражений.
Предметом исследования являются информационные модели искусственных нейронных сетей, а также реализация и описание алгоритма распознавания двигательной активности лица.
Научная новизна магистерской диссертации заключается в использовании технологий нейросетей (информационных моделей), а также системы двигательной активности лица для реализации алгоритма распознавания эмоций человека.
Для реализации нейронной сети, которая будет распознавать эмоции требуется выделить ключевые признаки лица и ключевые мимические проявления, которые отличают конкретного человека от многих других.
Сложность реализации заключается в обучении нейронной сети. Подбор начальных данных для задачи - это, прежде всего математическое и геометрическое описание мимических проявлений.
За счет возрастания сложности решаемых научно-технических задач, автоматическая обработка и анализ визуальной информации становятся все более актуальными вопросами. Уже сейчас существуют цифровые и интеллектуальные камеры, а также программное обеспечение, обрабатывающее изображения.
Современные технологии стремительно движутся к моменту, когда компьютеры станут самостоятельными системами, способными к самообучению и росту «личности», как это происходит с человеком с момента его рождения. Уже сейчас многие разработчики решают непростые задачи при помощи машин компьютерного зрения, применяя для работы системы разные методы, в том числе и нейронные сети.
Диссертационная работа состоит из введения, трех разделов, заключения, списка используемой литературы.
В первом разделе рассматриваются теоретические материалы часть по нейронным сетям, а также по существующим видам искусственных интеллектуальных систем и методам распознавания эмоций.
Во втором разделе представлено детальное описание и устройство информационных моделей нейросетей, их особенности, сравнительный анализ, выбор оптимальной модели для решения практической задачи. Также приводится анализ методов определения лиц на изображении, рассматривается набор логических правил распознавания эмоций (система кодирования лицевых движений по П. Экману).
В третьем разделе представлен алгоритм распознавания эмоций с применением нейронной сети.
Реализация интеллектуальной системы, способной распознавать эмоции человека - это решение технически и математически сложной задачи, требующей углубленного изучения предметной области, собственного анализа, умения и навыков при обработке и выборе экспериментальных данных, глубокие знания в области дискретной математики, геометрии, программировании, а также психологии и многих других областях науки.
Использование нейронных сетей, при разработке систем распознавания, позволяет структурировать плохоформализованные данные, ускорить процесс обработки данных, оценить адекватность среды, в которую помещена информационная модель нейронной сети.
Метрическая система позволяет создать прототипы эмоций, благодаря которым у разработчика появляется возможность «взаимодействия» с нейронной сетью, т.е. обучения на основе выявленных прототипов эмоций.
Основная цель магистерской диссертации заключалась в выборе информационной модели нейронной сети, а также описании алгоритма распознавания для решения практической задачи.
Была выбрана информационная модель на основе многослойного персептрона. Данная модель оптимальна по внутренней структуре и способу управления информационными потоками между нейронами. Кроме того, такая модель способна минимизировать число входных элементов. Модель на основе многослойного персептрона является универсальной моделью и подходит для решения задач разного уровня сложности, в том числе и для решения задачи распознавания эмоций.
Основные выводы и результаты исследования:
1) На основании изученного материала по искусственным интеллектуальным системам были выявлены наиболее эффективные системы и точные методы распознавания, отмечены успешные примеры реализации.
Система, которая использовалась в данной работе являлась самообучающейся.
2) Обзор основных видов информационных моделей нейронных сетей позволил выделить две универсальные модели, применимые для широкого круга задач: радиальные нейронные сети прямого распространения и однонаправленные многослойные сети. Выбор информационной модели для решения практической задачи был сделан в пользу однонаправленных многослойных сетей (модель многослойного персептрона). Данная модель подходит по внутренней структуре и математическому описанию и предусматривает разные подходы к решению задачи.
3) Существующие методы распознавания эмоций в магистерской диссертации были рассмотрены теоретически. Среди изученных методов распознавания был выделен метод с использованием искусственных нейронных сетей.
4) В практической части работы был рассмотрен математический аппарат реализации алгоритма распознавания: выбор инвариантов лица, адекватной метрики, распознавание образов нейронной сетью. Также была представлена методика распознавания двигательной активности лица и решена задача распознавания эмоций в программных продуктах анализа и обработки данных MATLAB и MathCAD.
На основании полученных результатов можно сделать вывод о том, что выбранная информационная модель искусственной нейронной сети соответствует модели реальной системы и учитывает все ее характеристики.
Все поставленные задачи были выполнены в полном объеме, следовательно, главная цель была достигнута.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
