Chơng Bảy: nhận dạng ảnh
(6) (4)
Đọạn 1 Đoạn 2 Đoạn 3 Đoạn 3 Đoạn 4 Đoạn 5 Đoạn 6
(5)
Hình 7.1 Mô hình cấu trúc của một đối tợng nhà.
7.1.2.2 Bản chất của quá trình nhận dạng
Quá trình nhận dạng gồm 3 giai đoạn chính:
- Lựa chọn mô hình biểu diễn đối tợng.
- Lựa chọn luật ra quyết định (phơng pháp nhận dạng) và suy diễn quá trình học.
- Học nhận dạng.
Khi mô hình biểu diễn đối tợng đã đợc xác định, có thể là định lợng (mô hình tham
số) hay định tính (mô hình cấu trúc), quá trình nhận dạng chuyển sang giai đoạn học. Học
là giai đoạn rất quan trọng. Thao tác học nhằm cải thiện, điều chỉnh việc phân hoạch tập đối
tợng thành các lớp.
Việc nhận dạng chính là tìm ra quy luật và các thuật toán để có thể gán đối tợng
vào một lớp hay nói một cách khác gán cho đối tợng một tên.
Học có thày (supervised learning)
Kỹ thuật phân loại nhờ kiến thức biết trớc gọi là học có thày. Đặc điểm cơ bản của
kỹ thuật này là ngời ta có một th viện các mẫu chuẩn. Mẫu cần nhận dạng sẽ đợc đem sánh
với mẫu chuẩn để xem nó thuộc loại nào. Thí dụ nh trong một ảnh viễn thám, ngời ta muốn
phân biệt một cánh đồng lúa, một cánh rừng hay một vùng đất hoang mà đã có các miêu tả
về các đối tợng đó. Vấn đề chủ yếu là thiết kế một hệ thống để có thể đối sánh đối tợng
trong ảnh với mẫu chuẩn và quyết định gán cho chúng vào một lớp. Việc đối sánh nhờ vào
các thủ tục ra quyết định dựa trên một công cụ gọi là hàm phân lớp hay hàm ra quyết định.
Hàm này sẽ đợc đề cập trong phần sau.
Học không có thày(unsupervised learning)
Kỹ thuật học này phải tự định ra các lớp khác nhau và xác định các tham số đặc tr-
ng cho từng lớp. Học không có thày đơng nhiên là khó khăn hơn. Một mặt, do số lớp không
đợc biết trớc, mặt khác những đặc trng của các lớp cũng không biết trớc. Kỹ thuật này nhằm
tiến hành mọi cách gộp nhóm có thể và chọn lựa cách tốt nhất. Bắt đầu từ tập dữ liệu, nhiều
Nhập môn xử lý ảnh số - ĐHBK Hà nội 168
Chơng Bảy: nhận dạng ảnh
thủ tục xử lý khác nhau nhằm phân lớp và nâng cấp dần để đạt đợc một phơng án phân loại.
Một số kỹ thuật tự học sẽ đợc trình bày trong phần 7.2.4.
Nhìn chung, dù là mô hình nào và kỹ thuật nhận dạng ra sao, một hệ thống nhận
dạng có thể tóm tắt theo sơ đồ sau:
Trích chọn đặc tính Phân lớp trả lời Đánh
biểu diễn đối tợng ra quyết định giá
Quá trình tiền xử lý Khối nhận dạng
Hình 7.2 Sơ đồ tổng quát một hệ nhận dạng.
7.2 nhận dạng dựa trên phân hoạch không gian
Trong kỹ thuật này, các đối tợng nhận dạng là các đối tợng định lợng. Mỗi đối t-
ợng đợc biểu diễn bởi một véctơ nhiều chiều. Trớc tiên, ta xem xét một số khái niệm nh:
phân hoạch không gian, hàm phân biệt sau đó sẽ đi vào một số kỹ thuật cụ thể.
7.2.1 Phân hoạch không gian
Giả sử không gian đối tợng X đợc định nghĩa : X = {X
i
, i=1, 2, ,m}, X
i
là một
véctơ. Ngời ta nói p là một phân hoạch của không gian X thành các lớp C
i
, C
i
X nếu:
C
i
C
j
= với i j và C
i
= X
Nói chung, đây là trờng hợp lý tởng: tập X tách đợc hoàn toàn. Trong thực tế, th-
ờng gặp không gian biểu diễn tách đợc từng phần. Nh vậy phân loại là dựa vào việc xây
dựng một ánh xạ f: X > p. Công cụ xây dựng ánh xạ này là các hàm phân biệt
(Descriminant functions).
7.2.2 Hàm phân lớp hay hàm ra quyết định
Để phân đối tợng vào các lớp, ta phải xác định số lớp và ranh giới giữa các lớp đó.
Hàm phân lớp hay hàm phân biệt là một công cụ rất quan trọng. Gọi {g
i
} là lớp các hàm
phân lớp. Lớp hàm này đợc định nghĩa nh sau:
Nhập môn xử lý ảnh số - ĐHBK Hà nội 169
Chơng Bảy: nhận dạng ảnh
nếu i k, g
k
(X) > g
i
(X) thì ta quyết định X lớp k.
Nh vậy để phân biệt k lớp, ta cần k-1 hàm phân biệt. Hàm phân biệt g của một lớp nào đó
thờng dùng là hàm tuyến tính, có nghĩa là:
g(X) = W
0
+ W
1
X
1
+ W
2
X
2
+. . . + W
k
X
k
trong đó:
- W
i
là các trọng số gán cho các thành phần X
i
.
- W
0
là trọng số để viết cho gọn.
Trong trờng hợp g là tuyến tính, ngời ta nói là việc phân lớp là tuyến tính hay siêu phẳng
(hyperplan).
Các hàm phân biệt thờng đợc xây dựng dựa trên khái niệm khoảng cách hay dựa
vào xác suất có điều kiện.
Lẽ tự nhiên, khoảng cách là một công cụ rất tốt để xác định xem đối tợng có "gần
nhau" hay không. Nếu khoảng cách nhỏ hơn một ngỡng nào đấy ta coi 2 đối tợng là giống
nhau và gộp chúng vào một lớp. Ngợc lại , nếu khoảng cách lớn hơn ngỡng , có nghĩa là
chúng khác nhau và ta tách thành 2 lớp.
Trong một số trờng hợp, ngời ta dựa vào xác suất có điều kiện để phân lớp cho đối
tợng. Lý thuyết xác suất có điều kiện đợc Bayes nghiên cứu khá kỹ và chúng ta có thể áp
dụng lý thuyết này để phân biệt đối tợng.
Gọi : P(X/C
i
) là xác suất để có X biết rằng có xuất hiện lớp C
i
P(C
i
/X) là xác suất có điều kiện để X thuộc lớp C
i
.
với X là đối tợng nhận dạng, C
i
là các lớp đối tợng.
Quá trình học cho phép ta xác định P(X/C
i
) và nhờ công thức Bayes về sác
xuất có điều kiện áp dụng trong điều kiện nhiều biến, chúng ta sẽ tính đợc P(C
i
/X) theo
công thức: P(C
i
/X) =
)(
)()/(
1
)()/(
)()/(
XP
CPCXP
n
i
CPXCP
CPCXP
ii
ii
ii
=
=
(7.2)
Nếu P(C
i
/X) > P(C
k
/X) với i # k thì X C
i
. Tuỳ theo các phơng pháp nhận dạng khác
nhau, hàm phân biệt sẽ có các dạng khác nhau.
7.2.3 Nhận dạng thống kê
Nhập môn xử lý ảnh số - ĐHBK Hà nội 170
Chơng Bảy: nhận dạng ảnh
Nếu các đối tợng nhận dạng tuân theo luật phân bố Gauss, mà hàm mật độ sác xuất
cho bởi:
1 (x-m)
2
f(x) = exp (- )
2
2
2
2
ngời ta có dùng phơng pháp ra quyết định dựa vào lý thuyết Bayes. Lý thuyết Bayes thuộc
loại lý thuyết thống kê nên phơng pháp nhận dạng .dựa trên lý thuyết Bayes có tên là phơng
pháp thống kê.
Quy tắc Bayes
- Cho không gian đối tợng X = {X
l
, l=1, 2, , L}, với X
l
= {x
1
, x
2
, , x
p
}
- Cho không gian diễn dịch = { C
1
, C
2
, , C
r
}, r là số lớp
Quy tắc Bayes phát biểu nh sau:
: X > sao cho X
C
k
nếu P(C
k
/X) > P(C
l
/X) l <> k, l=1, 2, ,r.
Trờng hợp lý tởng là nhận dạng luôn đúng, có nghĩa là không có sai số. Thực tế , luôn tồn
tại sai số trong quá trình nhận dạng. Vấn đề ở đây là xây dựng quy tắc nhận dạng với sai
số là nhỏ nhất.
Phơng pháp ra quyết định với
tối thiểu
Ta xác định X
C
k
nhờ xác suất P(C
k
/X). Vậy nếu có sai số, sai số sẽ đợc tính bởi
1 - P(C
k
/X). Để đánh giá sai số trung bình, ngời ta xây dựng một ma trận L(r,r) giả thiết là
có n lớp.
Ma trận L đợc định nghĩa nh sau:
l
k,j
> 0 nếu k <>j (tồn tại sai số) (7.3)
L
k,j
= l
k,j
<= 0 nếu k = j (không có sai số)
Nh vậy, sai số trung bình của sự phân lớp sẽ là:
r
k
(X) =
=
r
j
XCjPlk j
1
)/(,
(7.4)
Để sai số là nhỏ nhất ta cần có r
k
là min. Từ công thức 7.2 và 7.4 ta có:
r
k
(X) =
=
r
j
CjXPl jk
1
)/(,
P(C
j
) (7.5)
Vậy, quy tắc ra quyết định dựa trên lý thuyết Bayes có tính đến sai số đợc phát biểu nh sau:
Nhập môn xử lý ảnh số - ĐHBK Hà nội 171
Chơng Bảy: nhận dạng ảnh
X
C
k
nếu
k
<
p
với p <> k, p=1, 2, , r. (7.6)
với
k
là r
k
(X).
Trờng hợp đặc biệt với 2 lớp C
1
và C
2
, ta dễ dàng có:
X
C
1
nếu P(X/C
1
) >
)/(
)(
)(
2
121
2212
2
11
CXP
CP
CP
ll
ll
(7.7)
Giả sử thêm rằng xác suất phân bố là đều (P(C
1
) = P(C
2
), sai số là nh nhau ta có:
X
C
1
nếu P(X/C
1
) > P(X/C
2
) (7.8)
7.2.4 Một số thuật toán nhận dạng tiêu biểu trong tự học
Thực tế có nhiều thuật toán nhận dạng học không có thày. ở đây, chúng ta xem xét
3 thuật toán hay đợc sử dụng: Thuật toán nhận dạng dựa vào khoảng cách lớn nhất, thuật
toán K- trung bình (K mean) và thuật toán ISODATA. Chúng ta lần lợt xem xét các thuật
toán này vì chúng có bớc tiếp nối, cải tiến từ thuật toán này qua thuật toán khác.
7.2.4.1 Thuật toán dựa vào khoảng cách lớn nhất
a) Nguyên tắc
Cho một tập gồm m đối tợng. Ta xác định khoảng cách giữa các đối tợng và
khoảng cách lớn nhất ứng với phần tử xa nhất tạo nên lớp mới. Sự phân lớp đợc hình thành
dần dần dựa vào việc xác định khoảng cách giữa các đối tợng và các lớp.
b) Thuật toán
Bớc 1
- Chọn hạt nhân ban đầu: giả sử X
1
C
1
gọi là lớp g
1
. Gọi Z
1
là phần tử trung
tâm của g
1
.
- Tính tất cả các khoảng cách D
j1
= D(X
j
,Z
1
) với j =1, 2, , m
- Tìm D
k1
= max
j
D
j1
. X
k
là phần tử xa nhất của nhóm g
1
. Nh vậy X
k
là phần tử
trung tâm của lớp mới g
2
, kí hiệu Z
2
.
- Tính d
1
= D
12
= D(Z
1
,Z
2
).
Bớc 2
- Tính các khoảng cách D
j1
, D
j2
.
- D
j1
= D(X
j
,Z
1
), D
j2
= D((X
j
,Z
2
). Đặt D
k
(2)
= max
j
D
j
Nguyên tắc chọn
Nhập môn xử lý ảnh số - ĐHBK Hà nội 172
Chơng Bảy: nhận dạng ảnh
- Nếu D
k
(2)
< d
1
kết thúc thuật toán. Phân lớp xong.
- Nếu không, sẽ tạo nên nhóm thứ ba. Gọi X
k
là phần tử trung tâm của g
3,
kí hiệu
Z
3
.
- Tính d3 = (D
12
+ D
13
+ D
23
)/3
với là ngỡng cho trớc và D
13
= D(Z
1
,Z
3
), D
23
= D(Z
2
,Z
3
).
Quá trình cứ lặp lại nh vậy cho đến khi phân xong. Kết quả là ta thu đợc các lớp với các đại
diện là Z
1
, Z
2
, , Z
m
.
7.2.4.2. Thuật toán K trung bình ( giả sử có K lớp)
a) Nguyên tắc
Khác với thuật toán trên, ta xét K phần tử đầu tiên trong không gian đối tợng, hay
nói một cách khác ta cố định K lớp. Hàm để đánh giá là hàm khoảng cách Euclide:
J
k
=
=
=
k
j
ZkXjD
gkX
ZkXD
1
),(),( 2
(7-9)
J
k
là hàm chỉ tiêu với lớp C
k
. Việc phân vùng cho k hạt nhân đầu tiên đợc tiến hành theo
nguyên tắc khoảng cách cực tiểu. ở đây, ta dùng phơng pháp đạo hàm để tính cực tiểu.
Xét
0=
k
k
Z
J
với Z
k
là biến. Ta dễ dàng có (7.9) min khi:
( )X Zi k
i
N
=
1
= 0 ==> Z
k
=
=
Nc
j
j
c
Z
N
1
1
(7.10)
Công thức 7.10 là giá trị trung bình của lớp C
k
và điều này lý giải tên của phơng pháp.
b)Thuật toán
Chọn N
c
phần tử (giả thiết có N
c
lớp) của tập T. Gọi các phần tử trung tâm của
các lớp đó là: X
1
, X
2
, , X
Nc
và ký hiệu là Z
1
, Z
2
, , Z
Nc
.
Thực hiện phân lớp
X
C
k
nếu D(X,Zk) = Min D(X,Zj)
(1)
, j =1, , N
c
. (1) là lần lặp thứ nhất.
Tính tất cả Z
k
theo công thức 7.10.
Tiếp tục nh vậy cho đến bớc q.
X
G
k
(q-1) nếu D(X,Z
k
(q-1)
) = min
l
D(X,Z
l
(q-1)
).
Nếu Z
k
(q-1)
= Z
k
(q)
thuật toán kết thúc, nếu không ta tiếp tục thực hiện phân lớp.
7.2.4.3 Thuật toán ISODATA
Nhập môn xử lý ảnh số - ĐHBK Hà nội 173
Chơng Bảy: nhận dạng ảnh
ISODATA là viết tắt của từ Iteractive Self Organizing Data Analysis. Nó là thuật
toán khá mềm dẻo, không cần cố định các lớp trớc. Các bớc của thuật toán đợc mô tả nh
sau:
- Lựa chọn một phân hoạch ban đầu dựa trên các tâm bất kỳ. Thực nghiệm đã
chứng minh kết quả nhận dạng không phụ thuộc vào phân lớp ban đầu [2].
- Phân vùng bằng cách sắp các điểm vào tâm gần nhất dựa vàp khoảng cách
Euclide.
- Tách đôi lớp ban đầu nếu khoảng cách lớn hơn ngỡng t
1
.
- Xác định phân hoạch mới trên cơ sở các tâm vừa xác định lại và tiếp tục xác
định tâm mới.
- Tính tất cả các khoảng cách đến tâm mới.
- Nhóm các vùng với tâm theo ngỡng t
2
.
Lặp các thao tác tác trên cho đến khi thoả tiêu chuẩn phân hoạch.
7.3 Nhận dạng theo cấu trúc
7.3.1 Biểu diễn định tính
Ngoài cách biễn diễn theo định lợng nh đã mô tả ở trên, tồn tại nhiều kiểu đối t-
ợng mang tính định tính. Trong cách biểu diễn này, ngời ta quan tâm đến các dạng và mối
quan hệ giữa chúng. Giả thiết rằng mỗi đối tợng đợc biểu diễn bởi một dãy ký tự. Các đặc
tính biểu diễn bởi cùng một số ký tự. Phơng pháp nhận dạng ở đây là nhận dạng lô gíc, dựa
và hàm phân biệt là hàm Bool. Cách nhận dạng là nhận dạng các từ có cùng độ dài.
Giả sử hàm phân biệt cho mọi ký hiệu là g
a
(x), g
b
(x), , tơng ứng với các ký hiệu a,
b, . Để dễ dàng hình dung, ta giả sử có từ "abc" đợc biểu diễn bởi một dãy ký tự X =
{x
1
, x
2
, x
3
, x
4
}. Tính các hàm tơng ứng với 4 ký tự và có:
g
a
(x
1
) + g
b
(x
2
) + g
c
(x
3
) + g
c
(x
4
)
Các phép cộng ở đây chỉ phép toán OR. Trên cơ sở tính giá trị cực đại của hàm phân biệt, ta
quyết định X có thuộc lớp các từ "abc" hay không. Trong cách tiếp cận này, đối tợng tơng
đơng với câu.
7.3.2 Phơng pháp ra quyết định dựa vào cấu trúc
7.3.2.1 Một số khái niệm
Thủ tục phân loại và nhận dạng ở đây gồm 2 giai đoạn: Giai đoạn đầu là giai đoạn
xác định các quy tắc xây dựng, tơng đơng với việc nghiên cứu một văn phạm trong một
Nhập môn xử lý ảnh số - ĐHBK Hà nội 174
Chơng Bảy: nhận dạng ảnh
ngôn ngữ chính thống. Giai đoạn tiếp theo khi đã có văn phạm là xem xét tập các dạng có đ-
ợc sinh ra từ các dạng đó không? Nếu nó thuộc tập đó coi nh ta đã phân loại xong. Tuy
nhiên, văn phạm là một vấn đề lớn. Trong nhận dạng cấu trúc, ta mới chỉ sử dụng đợc một
phần rất nhỏ mà thôi.
Nh trên đã nói, mô hình cấu trúc tơng đơng một văn phạm G :G = {V
n
, V
t
, P, S}.
Có rất nhiều kiểu văn phạm khác nhau từ chính tắc, phi ngữ cảnh, Độc giả quan tâm xin
xem các tài liệu về lý thuyết ngôn ngữ hình thức hay ô tô mát . ở đây, xin giới thiệu một
ngôn ngữ có thể đợc áp dụng trong nhận dạng cấu trúc: đó là ngôn ngữ PLD (Picture
Language Description).
Ví dụ: Ngôn ngữ PLD
Trong ngôn ngữ này, các từ vựng là các vạch có hớng. Có 4 từ vựng cơ bản:
a: b: c: và d:
Các từ vựng trên các quan hệ đợc định nghĩa nh sau:
+ : a + b
- : a - b
x: a x b
*: a * b
Văn phạm sinh ra các mô tả trong ngôn ngữ đợc định nghĩa bởi:
G
A
= {V
n
, V
T
, P, S}
với V
n
= {A, B, C, D, E} và V
T
= {a, b, c, d}. S là ký hiệu bắt đầu và P là tập luật sản xuất.
Ngôn ngữ này thờng dùng nhận dạng các mạch điện.
7.3.2.2 Phơng pháp nhận dạng
Nhập môn xử lý ảnh số - ĐHBK Hà nội 175
Chơng Bảy: nhận dạng ảnh
Các đối tợng cần nhận dạng theo phơng pháp này đợc biểu diễn bởi một câu trong
ngôn ngữ L(G). Khi đó thao tác phân lớp chính là xem xét một đối tợng có thuộc văn phạm
L(G) không? Nói cách khác nó có đợc sinh ra bởi các luật của văn phạmG không? Nh vậy
sự phân lớp là theo cách tiếp cận cấu trúc đòi hỏ phải xác định:
- Tập V
t
chung cho mọi đối tợng.
- Các quy tắc sinh P để sản sinh ra một câu và chúng khác nhau đối với mỗi lớp.
- Quá trình học với các câu biểu diễn các đối tợng mẫu l nhằm xác định văn
phạmG.
- Quá trình ra quyết định: xác định một đối tợng X đợc biểu diễn bởi một câu l
x
.
Nếu l
x
nhận biết bởi ngôn ngữ L(G
x
) thì ta nói rằng X Ck.
Nói cách khác, việc ra quyết định phân lớp là dựa vào phân tích cúG
k
biểu diễn lớp
C
k
. pháp của văn phạm. Cũng nh trong phân tích cú pháp ngôn ngữ, có phân tích trên
xuống, dới lên, việc nhận dạng theo cấu trúc cũng có thể thực hiện theo cách tơng tự.
Việc nhận dạng dựa theo cấu trúc là một ý tởng và dẫu sao cũng cần đợc nghiên
cứu thêm.
7.4 mạng nơ ron nhân tạo và Nhận dạng theo mạng nơ ron
Trớc tiên, cần xem xét một số khái niệm cơ bản về bộ não cũng nh cơ chế hoạt
động của mạng nơ ron sinh học. Tiếp theo, để tiện theo dõi, ở đây sẽ đề cập đến một ứng
dụng của mạng nơ ron trong nhận dạng chữ viết.
7.4.1.Bộ não và nơ ron sinh học
Các nhà nghiên cứu sinh học về bộ não cho ta thấy rằng các nơ ron (tế bào thần
kinh) là đơn vị cơ sở đảm nhiệm những chức năng xử lý nhất định trong hệ thần kinh, bao
gồm não, tuỷ sống và các dây thần kinh. Mỗi nơ ron có phần thân với nhân bên trong (gọi là
soma), một đầu thần kinh ra (gọi là sợi trục axon) và một hệ thống dạng cây các dây thần
kinh vào (gọi là dendrite). Các dây thần kinh vào tạo thành một lới dày đặc xung quanh thân
tế bào, chiếm diện tích khoảng 0,25 mm
2
, còn dây thần kinh ra tạo thành trục dài có thể từ 1
cm cho đến hàng mét. Đờng kính của nhân tế bào thờng chỉ là 10
-4
m. Trục dây thần kinh ra
cũng có thể phân nhánh theo dạng cây để nối với các dây thần kinh vào hoặc trực tiếp với
nhân tế bào các nơ ron khác thông qua các khớp nối (gọi là synapse). Thông thờng, mỗi nơ
ron có thể gồm vài chục cho tới hàng trăm ngàn khớp nối để nối với các nơ ron khác. Ngời
Nhập môn xử lý ảnh số - ĐHBK Hà nội 176
Chơng Bảy: nhận dạng ảnh
ta ớc lợng rằng lới các dây thần kinh ra cùng với các khớp nối bao phủ diện tích khoảng
90% bề mặt nơ ron (hình 7-3).
Các tín hiệu truyền trong các dây thần kinh vào và dây thần kinh ra của các nơ ron
là tín hiệu điện và đợc thực hiện thông qua các quá trình phản ứng và giải phóng các chất
hữu cơ. Các chất này đợc phát ra từ các khớp nối dẫn tới các dây thần kinh vào sẽ làm tăng
hay giảm điện thế của nhân tế bào. Khi điện thế này đạt tới một ngỡng nào đó, sẽ tạo ra một
xung điện dẫn tới trục dây thần kinh ra. Xung này đợc truyền theo trục, tới các nhánh rẽ khi
chạm tới các khớp nối với các nơ ron khác sẽ giải phóng các chất truyền điện. Ngời ta chia
làm hai loại khớp nối: khớp nối kích thích (excitatory) hoặc khớp nối ức chế (inhibitory).
Phát hiện quan trọng nhất trong ngành nghiên cứu về bộ não là các liên kết khớp thần kinh
khá mềm dẻo, có thể biến động và chỉnh đổi theo thời gian tuỳ thuộc vào các dạng kích
thích. Hơn nữa, các nơ ron có thể sản sinh các liên kết mới với các nơ ron khác và đôi khi, l-
ới các nơ ron có thể di trú từ vùng này sang vùng khác trong bộ não. Các nhà khoa học cho
rằng đây chính là cơ sở quan trọng để giải thích cơ chế học của bộ não con ngời.
Phần lớn các quá trình xử lý thông tin đều xảy ra trên vỏ não. Toàn bộ vỏ não đợc
bao phủ bởi mạng các tổ chức cơ sở có dạng hình thùng tròn với đờng kích khoảng 0,5 mm,
độ cao 4 mm. Mỗi đơn vị cơ sở này chứa khoảng 2000 nơ ron. Ngời ta chỉ ra rằng mỗi vùng
não có những chức năng nhất định. Điều rất đáng ngạc nhiên chính là các nơ ron rất đơn
giản trong cơ chế làm việc, nhng mạng các nơ ron liên kết với nhau lại có khả năng tính
toán, suy nghĩ, ghi nhớ và điều khiển. Có thể điểm qua những chức năng cơ bản của bộ não
nh sau:
-Bộ nhớ đợc tổ chức theo các bó thông tin và truy nhập theo nội dung (Có thể truy
xuất thông tin dựa theo giá trị các thuộc tính của đối tợng)
-Bộ não có khả năng tổng quát hoá, có thể truy xuất các tri thức hay các mối liên
kết chung của các đối tợng tơng ứng với một khái niệm chung nào đó
- Bộ não có khả năng dung thứ lỗi theo nghĩa có thể điều chỉnh hoặc tiếp tục thực
hiện ngay khi có những sai lệch do thông tin bị thiếu hoặc không chính xác. Ngoài ra, bộ
não còn có thể phát hiện và phục hồi các thông tin bị mất dựa trên sự tơng tự giữa các đối t-
ợng.
- Bộ não có khả năng xuống cấp và thay thế dần dần. Khi có những trục trặc tại các
vùng não (do bệnh, chấn thơng) hoặc bắt gặp những thông tin hoàn toàn mới lạ, bộ não vẫn
có thể tiếp tục làm việc.
Nhập môn xử lý ảnh số - ĐHBK Hà nội 177
Không có nhận xét nào:
Đăng nhận xét