ВІДТВОРЕННЯ ХАРАКТЕРИСТИКИ ПЕРЕТВОРЕННЯ МУЛЬТИСЕНСОРА БАГАТОШАРОВИМ ПЕРСЕПТРОНОМ ТА МЕТОДОМ ОПОРНИХ ВЕКТОРІВ

Abstract

Метод окремої конверсійної реконструкції мультисенсора, використовуючи скорочену кількість його результатів калібрування/тестування, описано в цій статті. Запропонований метод заснований на нейронній основі наближення і передбачення поверхневих пунктів конверсійної особливості мультисенсора. Кожен модуль нейронної мережі відновлює окремий пункт поверхні. Наші результати показують, що використання моделі векторної машини підтримки (ВМП) дозволяє покращувати точність реконструкції конверсійної особливості мультисенсора. Результати реконструкції, отримані ВМП, порівнюються з результатами, отриманими багатошаровим персептроном. Метод отдельной конверсионной реконструкции особенности мультисенсора, используя сокращенное количество его результатов калибровки/тестирования, описан в этой статье. Предложенный метод основан на нейронной основе приближения и предсказания поверхностных пунктов конверсионной особенности мультисенсора. Каждый модуль нейронной сети восстанавливает отдельный пункт поверхности. Наши результаты показывают, что использование модели векторной машины поддержки (ВМП) позволяет улучшать точность реконструкции конверсионной особенности мультисенсора. Результаты реконструкции, полученные ВМП, сравниваются с результатами, полученными многослойным персептроном. A method of an individual conversion characteristic reconstruction of a multisensor using a reduced number of its calibration/testing results is described in this paper. The proposed method is based on the neural-based approximation and prediction of surface points of multisensor conversion characteristic. Each neural network module reconstructs separate point of the surface. Our results show that the use of a model of Support Vector Machine (SVM) allows improving the reconstruction accuracy of multisensor conversion characteristic. The reconstruction results obtained by SVM are compared with the results obtained by a multi-layer perceptron.