Skip to content

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

Gratis La preview di questa tesi è scaricabile gratuitamente in formato PDF.
Per scaricare il file PDF è necessario essere iscritto a Tesionline. L'iscrizione non comporta alcun costo: effettua il Login o Registrati.

Anteprima della tesi: La classificazione di immagini telerilevate mediante reti neurali fuzzy Artmap: tecniche di apprendimento incrementale, Pagina 1
  
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

Preview dalla tesi:

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

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

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

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.
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