Skip to content

La classificazione di immagini telerilevate mediante reti neurali fuzzy Artmap: tecniche di apprendimento incrementale

Informazioni tesi

  Autore: Giorgio Robino
  Tipo: Tesi di Laurea
  Anno: 1998-99
  Università: Università degli studi di Genova
  Facoltà: Ingegneria
  Corso: Ingegneria Elettronica
  Relatore: Carlo Regazzoni
  Lingua: Italiano
  Num. pagine: 174

Un classificatore destinato all'apprendimento incrementale di immagini telerilevate deve operare attraverso una sequenza di stati operativi: un apprendimento supervisionato iniziale, fasi di riaddestramento supervisionato (immagini multispettrali + verità a terra), fasi di riaddestramento non supervisionato (mancanza della verità a terra),fasi di riaddestramento supervisionato con nuove classi informative.

Gli obiettivi della tesi sono stati quelli di: (1) impostare il problema dell'apprendimento sequenziale di immagini multispettrali telerilevate con un classificatore neurale incrementale basato sulla Teoria della Risonanza Adattativa (ART), (2) approfondire lo studio delle dinamiche di apprendimento incrementale della rete neurale fuzzy ARTMAP nella classificazione di immagini, (3) verificare sperimentalmente le prestazioni del classificatore fuzzy ARTMAP in contesti di apprendimento incrementale di immagini telerilevate,(4) proporre alcune tecniche innovative che estendono le funzionalità base della fuzzy ARTMAP, con un meccanismo di espansione - compressione della memoria che ottimizza l'utilizzo della rete neurale nell'apprendimento sequenziale.

L'apprendimento incrementale fuzzy ARTMAP ha messo in evidenza caratteristiche importanti: (1) Stabilità di apprendimento: le sperimentazioni hanno dimostrato che le infomazioni apprese non sono dimenticate nelle successive sessioni di riaddestramento con nuove immagini. (2) Accuratezza di classificazione: i risultati sperimentali ottenuti con il classificatore fuzzy ARTMAP evidenziano migliori accuratezze di classificazione rispetto a quelle ottenute con un classificatore GrowingRBF.

Le tecniche proposte hanno esteso le funzionalità della fuzzy ARTMAP realizzando un sistema di classificazione che si è rivelato adatto all'apprendimento di nuove immagini, attraverso: (1) un meccanismo di espansione effettuata mediante la tecnica delle added classes (caso supervisionato) e del similitude mapping (caso non supervisionato), (2) un meccanismo di compressione (tunable pruning) della memoria evolutiva della rete neurale.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
1. Introduzione [n] Questa tesi nasce nell'ambito della ricerca sui classificatori neurali applicati ad immagini telerilevate. Lo studio è stato sviluppato nel laboratorio di Remote Sensing Image Analysis (RSIA), che fa parte del Signal Processing & Telecommunications Group presso il Dipartimento di Ingegegneria Biofisica ed Elettonica (DIBE) della facoltà di Ingegneria Elettronica dell'Università di Genova. 1.1 Premesse e motivazioni [c][n] L'approfondimento delle tematiche affrontate in questa trattazione è contestuale alla ricerca fatta dal laboratorio Remote Sensing Image Analysis , nell'ambito dell'apprendimento incrementale dei classificatori neurali in applicazioni di pattern recognition che utilizzano immagini telerivelate [54][55][56][57][58][59][60][61][62]. Un tema fondamentale nell'ambito del telerilevamento è il problema della minimizzazione dei costi di riaddestramento di un classificatore che elabora immagini multispettrali e multitemporali acquisite su una certa area geografica prestabilita. In particolare, un problema significativo incontrato nella classificazione delle immagini telerilevate, è che un classificatore addestrato su una particolare immagine img ( t k ) raramente fornisce prestazioni sufficienti quando utilizzato con un'immmagine diversa. Una volta che si é addestrato un classificatore a riconoscere un una immagine ad un certo istante temporale tk, si vorrebbe che il sistema fosse in grado di essere riaddestrato, successivamente nel tempo, con nuove immagini della stessa area geografica mantenendo una sufficente accuratezza di classificazione su tutte le immagini che hanno contribuito all'addestramento successivamente nel tempo, a partire da uno stato iniziale fino a tk. Un classificatore incrementale di immagini consiste in un sistema di elaborazione capace di: (a) acquisire nuova conoscenza quando nuove immagini diventano disponibili, (b) mantenere la conoscenza acquisita con le immagini precedenti. Sono state presentate a tutt'oggi soluzioni di apprendimento incrementale che utilizzano sia sistemi basati sulla classificazione Bayesiana, sia sistemi basati sulle reti neurali artificiali. Nell'ambito dei classificatori neurali é stata sviluppata al RSIA una rete neurale di tipo growing radial basis functions (3.3.1.1) che offre buone prestazioni ed é stata il punto di partenza concettuale del mio lavoro, oltre che il riferimento di confronto per le sperimentazioni effettuate [60][61][62]. Nell'analisi delle varie architetture neurali che affrontano il problema della classificazione con apprendimento incrementale, ho trovato particolarmente interessanti le reti neurali ART: la Adaptive Resonance Theory è la teoria che stà alla base della macchina neurale implementata da S. Grossberg e G. Carpenter nel 1987 nell'intento di realizzare un sistema che risolvesse lo stability-plasticity dilemma (4): il compromesso tra stabilità e plasticità che tutti i sistemi di apprendimento incrementale devono risolvere [1][1b][2][3][3a][4]. Una proprietà fondamentale delle reti neurali che attuano una auto-organizzazione (attraverso una allocazione dinamica dei nodi) é l'abilità di apprendere nuova conoscenza senza dimenticare le informazioni apprese in addestramenti precedenti. Nell'ambito della classificazione é necessario che i sistemi di apprendimento incrementale siano in grado di essere plastici per potersi facilmente adattare nell'aquisizione di nuove informazioni, senza

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

apprendimento incrementale on-line
artificial intelligence
fuzzy artmap
incremental learning
pattern recognition
remote sensing
telerilevamento
reti neurali
teoria della risonanza adattiva
riconoscimento di immagini
immagini telerilevate

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi