Object structure

Պատկերները սիմվոլիկ ներկայացման փոխարկելու համակարգ պաշտպանության և մրցակցային կոմբինատոր խնդիրների համար; Система перевода изображений в символьное представление для комбинаторных задач защиты и конкуренции

Պատ․ խմբ․՝ Ա․ Գ․ Նազարով (1957-1964) ; Մ․ Վ․ Կասյան (1964-1988) ; Ռ․ Մ․ Մարտիրոսյան (1989-2017 ) ; Գլխավոր խմբ․՝ Վ․ Շ․ Մելիքյան (2018-)

Technology

Հակոբյան Ն. Պ. ; Акопян Н. П. ; neural networks ; image classification ; object detection ; systemic classifications ; algorithms

199-209

We aim to develop tools for regular transformation of combinatorial defense and competition problems’ situations to their symbolic presentation by machine learning solutions. As it is proven, that RGT class problems are reducible to each other, in this paper we demonstrate a developed ANN model to detect the chess board from an image and classify the chess pieces. Two models were developed – a simple one which provides high accuracy as some complex models worldwide, and the second approach (based on a new method), which correctly fits for other RGT problems with a bit lower accuracy. Առաջարկվել են իրավիճակի բնական ներկայացումը Solver ծրագրային ապահովման սիմվոլիկ ներկայացմամբ փոխակերպելու մեթոդներ: Ալգորիթմներում, որոնք նկարագրվում են RGT դասի որոշակի խնդրի՝ շախմատի համար, կիրառվում է նեյրոնային ցանցերով ուսուցում՝ օբյեկտների ճանաչման և հայտնաբերման համար։ Առաջին ալգորիթմը ներառում է շախմատային խաղաքարերի դասակարգում, երկրորդը` պատկերից շախմատային խաղաքարերի, իսկ վերջիններիս միջոցով` տախտակի ճանաչում: Վերոնշյալ մոդելները ինտեգրվել են Solver18-ին: Նկարագրվում է ստացված լուծումների հնարավոր կիրառությունը ռազմական որոշակի խնդիրներում, և քննարկվում են այդ խնդիրների մեկնաբանման հետ կապված որոշ դժվարություններ: Որպես հետագա քայլ դիտարկվում է մոդելի իրականացումը ռազմական խնդիրների համար, այդ թվում՝ տվյալների հավաքագրում, նկարագրված դժվարությունները հաղթահարելու ուղիների հայտնաբերում և նեյրոնային ցանցերի միջոցով ռազմական միավորների ուսուցում: Предложены методы преобразования естественных представлений ситуаций в символьное представление Solver-а. Алгоритмы используют нейронные сети для распознавания/обнаружения объектов и описаны для определенной задачи класса RGT - шахмат. Первый алгоритм включает распознавание шахматных фигур, второй-обнаружение шахматных фигур по изображению и нахождение доски по ним. Обсуждаемые модели интегрированы с Solver18. Описаны возможности применения полученных решений в военных задачах(battlefield problem) и перечислены некоторые трудности, связанные с интерпретацией данной задачи полученными решениями. В качестве следующих шагов рассматривается реализация модели для проблемы Battle Field, включая сбор данных, поиск путей решения описанных трудностей и обучение посредством нейронных сетей.

Երևան