Structural-functional model of a parallel-hierarchical optical network as a systematic tool for artificial intelligence methods
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Tymchenko Leonid I., Kokriatska Natalia, Tverdomed Volodymyr M., Pavlov Sergii V., Bondarenko Zlata, Vitiuk Anna, Didenko Yurii, Semenova Liudmyla, Zhuk Dmytro, Sawicki Daniel, Amirgaliyev Yedilkhan, Smailova Saule |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 1 - 6 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | 20th meeting in the series of National Symposia "Fiber Optics and their Applications" |
| Skrócona nazwa konferencji: | 20th OFTA 2023 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 11 września 2023 do 14 września 2023 |
| Miasto konferencji: | Lublin |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | NIE |
| Abstrakty: | angielski |
| The article discusses the challenges of real-time data processing and analyzes various methods used to solve them, with a focus on image processing. It points out the limitations of existing methods and argues for the need to use more effective and modern technologies, proposing parallel-hierarchical networks as a promising solution. The article provides a detailed description of the structural-functional model of this type of network, which involves cyclically transforming the input data matrix using a "common part" criterion and an array evolution operator until a set of individual elements is formed. The proposed model is expected to improve real-time image recognition and can potentially be applied to other fields by using the "common part" criterion. |
