Завдання на курсову роботу

Варіант 1. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 16;

· кількість реалізацій образу одного класу -30;

· інформаційний критерій оптимізації за Шенноном.

Варіант 2. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 16.

· кількість реалізацій образу одного класу -30.

· інформаційний критерій оптимізації за Кульбаком.

Варіант 3. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 16.

· кількість реалізацій образу одного класу -30.

· інформаційний критерій оптимізації за Шенноном.

Варіант 4. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

· кількість ознак розпізнавання - 16;

· кількість реалізацій образу одного класу -30;

· інформаційний критерій оптимізації за Кульбаком.

Варіант 5. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 100 100 пікселів;

· інформаційний критерій оптимізації за Шенноном.

Варіант 6. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

· рецепторне поле 100 100 пікселів;

· інформаційний критерій оптимізації за Кульбаком.

Варіант 7. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 150 150 пікселів;

· інформаційний критерій оптимізації за Шенноном.

Варіант 8. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 150 150 пікселів;

· інформаційний критерій оптимізації за Куль баком.

Варіант 9. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 100 100 пікселів;

· інформаційний критерій оптимізації за Шенноном.

Варіант 10. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 100 100 пікселів;

· інформаційний критерій оптимізації за Кульбаком.

Варіант 11. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 150 150 пікселів;

· інформаційний критерій оптимізації за Шенноном

Варіант 12. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 150 150 пікселів;

· інформаційний критерій оптимізації за Кульбаком.

Варіант 13. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 200 200 пікселів;

· інформаційний критерій оптимізації за Шенноном.

Варіант 14. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 200 200 пікселів;

· інформаційний критерій оптимізації за Куль баком.

Варіант 15. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 200 200 пікселів;

· інформаційний критерій оптимізації за Шенноном.

Варіант 16. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· рецепторне поле 200 200 пікселів;

· інформаційний критерій оптимізації за Кульбаком.

Варіант 17. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 18;

· кількість реалізацій образу одного класу -30;

· інформаційний критерій оптимізації за Шенноном.

Варіант 18. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 18.

· кількість реалізацій образу одного класу -30.

· інформаційний критерій оптимізації за Кульбаком.

Варіант 19. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

· кількість ознак розпізнавання - 15.

· кількість реалізацій образу одного класу -30.

· інформаційний критерій оптимізації за Шенноном.

Варіант 20. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

· кількість ознак розпізнавання - 15;

· кількість реалізацій образу одного класу -30;

· інформаційний критерій оптимізації за Кульбаком.