Версии (хмуру)

From: Александр ( erlicon@inbox.ru ) Date: 2001-02-25 22:14

Posted-From: 195.161.156.14

---Исходное сообщение---
От: AI message board
Кому: Александр
Дата: 25 февраля 2001 г. 00:38
Тема: Новые сообщения на AI Message Board, 2001-02-24, 1 entry

То, что хвост, торчащий из-за дивана, означает наличие там
>кошки, не каждая система распознавания поймет.. :)

Из ныне существующих систем...

>>АЭ и ЛЭ
>
>Матрица светочувствительных элементов - АЭ, сменяющиеся образы порож-
>дают 'кинематографические' структуры на ЛЭ?

Предположим, надо "распознать" барашка...
Барашек может находиться далеко\близко, быть повёрнут
фас\профиль\анфас\висеть кверху ногами...
На сетчаке АЭ это будет выглядеть в виде контрастной видеоструктуры на
зелёном фоне (травка).
Предположим на одном логическом экране ЛЭ1 этот барашек должен быть представлен
стандартного размера, только стоящим, только в фас. На другом ЛЭ2 -
стандартного размера, только стоящим,только в анфас. При необходимости
формируются и другие ЛЭ-n, если распознавание образа затрудняется по к.-л.
причинам.
"Барашек в анфас" - это не буквально. ЛЭ - это просто определёная активность группы нейронов, используемых для
этой цели. Это не плоский, не "кинематографический" экран.
Возможно ли такое преобразование видеоизображения барашка без понимания,
что это барашек?
В компьютерных играх-"бродилках" по лабиринтам используются такие
програмы. (Принцип - "Не понимаю, но преобразую закономерно").
Эти самые закономерности, расположенные между АЭ и ЛЭ формируются в
младенческом возрасте, когда ребёнок научается настраивать глазки на
резкость и "ловит" обеими глазами общую оптическую ось.
По-началу системы, в которых формируются эти программы - живого типа,
т.е. они способны к ЕВВА. Когда многократное повторение способа приносит
одинаковый успех, адаптация прекращается. Видеопреобразователи переходят к
функционированию по механическому системному типу. (Адаптация запрещена или
подавлена). Пространственные преобразования жёстко детерминированы,
поскольку в системном мире нет искривления пространства. Кант даже
выделяет совокупность этих закономерностей в специальный род - "доопытные
формы чувственного созерцания", куда, кстати попадают и ощущения времени
(тоже отличающиеся высокой степенью детерминированности).
В последствии эти "доопытные формы чувственного созерцания" (дфчс)
эксплуатируются организмом для получения стандартного "изображения на ЛЭ.

>> ШМО
>
>Не ухватил в чем фишка. Pro: нечеткий подход при скаляризации образа.
>Но выглядит просто как трафаретный фильтр..
>

ШМОП (Шкала математического ожидания признака)

Получив "стандартное" изображение (м.б. не стоит называть это
"изображением? На ваше усмотрение..) возникает задача считать характерные
признаки образа. Для этого на изображение ЛЭ "набрасывается" совокупность
ШМОП на определённые места. Соотношение и положение этих мест отражают
специфику образов, которые активизируются на основании априорной информации.
Предыстория конкретного "распознавания" формирует активность определёных
структур.
Если я нахожусь дома в Москве, в городской квартире, то не ожидается
появление "видеобарашка".
Активизированы только структуры (формирующие специфические комплексы ШМОП),
отражающие обычные для этого места предметы. Поэтому я на них даже внимания
особого не обращаю. Их "видео" обрабатывается на ЛЭ и в параллельных
процессорах (сателлитах сознания), не затрагивая сознания, занятого поисками
бутылки пива.
Если подбросят мне барашка в квартиру для прикола, вся эта структура скажет "Ой!" и
"прикуёт" внимание к необычному предмету.
Вид же барашка на лугу вполне обычен. Я его сразу узнаю.
Почему ШМОП?

Барашки бывают разных пород... Толстые, худые, стриженые, кудрявые,
пушистые и т.п.
Поэтому граница контура "видеобарашка" на будет попадать точно в постоянное
место на ЛЭ. Будет наблюдаться вариабельность границы вокруг среднего
значения, соответствующего положению этого признака для барашков вообще,
которые встречались мне ранее на жизненном пути.
Естественно "считывающий инструмент" должет учитывать эту особенность.
Для этого используется принцип ШМОП....
Там, где граница объекта (признак) наблюдается с большей вероятностью
значение ШМОП максимально. В стороны от этого положения значение ШМО
снижаются.(Похоже на классическое нормальное распределение (НР). Собственно ШМОП - натуральная модель НР внутри мозга).
Собираем значения всех ШМОП, получаемых при набрасывании на ЛЭ признаков
барашка и получаем суммарное значение (СЗБ). (В специальном процессоре).
Одновременно с "видеобарашком" априорно активизировался конгломерат
признаков коровы. Собираем значение ШМОП коровы, получаем другое суммарное
значение (СЗК). Теперь сравниваем. Получается СЗБ >СЗК, значит перед нами
барашек.

Необходимое замечание...
В натуре скорее всего полное видеоизображение барашка не анализируется
целиком. Скорее всего объектом рассмотрения становится лишь какая-нибудь
деталь, которая достраивается потом по смыслу пониманием барашка.

До связи Green