Abstract:

Ներկա հոդվածը մի անդրադարձ է կերպարների վերծանման /ԿՎ/ տեսության դիսկրետ անալիտիկ մոտեցման /ԴԱՄ/ ձևավորման առաջին քայլերին, ըստ նրա հիմնադիր Յու. Ի. Ժուռավլյովի։ «Առաջին քայլեր» ժամանակաշրջանն ընդգրկում է 1965-75 թվականները։ Հետագայում ԴԱՄ տիրույթը զարգացել է որպես մեծ թվով մոդելների և ալգորիթմների համախումբ։ Հարյուրավոր թեկնածուական և տասնյակ դոկտորական թեզեր են պաշտպանվել այս տիրույթում, հազարավոր հրապարակումներ են կատարվել այս ժամանակահատվածում։ ԴԱՄ տիրույթի էությունը նրա կողմից զարգացած դիսկրետ մաթեմատիկական անալիզի ուղղության օգտագործման մեջ է, ինչը մուտքային տվյալների կառուցվածքների և հարաբերությունների մեկնաբանման լայն հնարավորություններ է տալիս։ Այս ամենին զուգահեռ, ձևավորվել են որոշ այլ մոտեցումներ, ինչպիսիք են՝ վիճակագրական մոտեցումը, նեյրոնային ցանցերի մոդելը, կառուցվածքային ճանաչողության տեսությունը և այլն։ Այսօր այս ամենը ինտեգրվում է մեքենայական ուսուցում մեկ ընդհանուր տերմինի մեջ, որն առավել հաճախ է հանդիպում։ Ի լրումն ամենի, կերպարների վերծանման տիրույթում ձևավորվում են նոր մոտեցումներ, ինչպես, օրինակ՝ Խորը ուսուցումը և Մետա ուսուցումը, որոնք համապատասխանաբար հղվում են ԲԱՀ /բարձր արդյունավետության հաշվարկների/ և ուսուցման ուսուցման ֆենոմենների վրա։ Խորը ուսուցումը հիմնվում է Խորը /բազմաշերտ/ Նեյրոնային Ցանցերի վրա և սրանով իսկ ժառանգում է նրա գիտելիքի կորզման և դրա մեկնաբանման հետ կապված հայտնի դժվարությունները։ Մետա ուսուցումը նոր տերմին է, բայց իր արմատում այն բազմիցս անդրադարձ է ունեցել ԴԱՄ հետազոտություններում։ Գրավիչ է կանգ առնել արդի կերպարների վերծանման ողջ ոլորտի վերլուծման վրա, բայց ներկա աշխատանքը մի կարճ անդրադարձ է համադրելու երկու հիմնարար ԴԱՄ մոտեցումներ, հույս ունենալով, որ դասական մոտեցումները և գիտելիքը, որպես մնայուն արժեք և հետագա զարգացման առարկա, կօգտագործեն սրանք իրենց կառուցվածքներում և արդյունքի գնահատման փուլում։
; Это статья посвящена анализу первых шагов формирования дискретного аналитического подхода (ДАП) теоретического распознавания образов (РО), основанного Ю. И. Журавлевым. "Первые шаги" охватывают период времени 1965- 75. В последующем, ДАП получил дальнейшее развитие в виде большого количества моделей и алгоритмов. Сотни кандидатских и десятки докторских диссертаций защищены по теме, тысячи научных статей были опубликованы с тех пор. Суть ДАП в том, что он основан на хорошо развитой теории дискретного математического анализа, и поэтому он интерпретируем в терминах входных данных и их соотношений. Параллельно с этим, несколько альтернативных направлений, таких как статистическая теория РО, модели нейронных сетей, структурная теория распознавания были развиты и внедрены. Сегодня термин машинное обучение обобщает эти направления и встречается наиболее часто. Кроме того, в распознавании образов появились подходы, такие как Глубокое обучение и Мета обучение, направленные соответственно на интенсивное использование ВПВ /высоко производительных вычислений/ и на концепцию - обучение обучению. Глубокое обучение основывается на глубоких (многослойных) нейронных сетях, и поэтому наследует сложность извлечения знаний и интерпретируемости в целом. Метаобучение является новым термином, но по своей сути оно было адресовано в ряде ДАП исследований. Конечно привлекательно остановиться на анализе всей современной области РО, но в нашем кратком очерке хочется лишь сравнить два из основных элементов ДАП, полагая, что классические знания и теория будут использовать этот анализ в своих конструкциях и в стадии оценки результатов.

Identifier:

oai:noad.sci.am:136029