Создание программы, осуществляющей распознавание жестов мыши и выполняющей ассоциированные с ними действия
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
СОДЕРЖАНИЕ
Перечень условных обозначений, символов, единиц, сокращений и терминов
Введение
1Анализ проблемной области и постановка задачи
1.1Нейроны
1.2Машинное моделирование искусственных нейронов
1.3Искусственные нейронные сети
.4Контролируемое обучение
.5Постановка задачи
2Описание методов и алгоритмов
2.1Структура нейронной сети
2.2Входная информация
2.2.1 Упрощение ломаной
2.2.2 Вычисление расстояния от точки до отрезка
2.2.3 Преобразование отрезков в косинусы углов наклона
2.3Выходная информация
2.4Обучение сети
3Описание разработанной программной системы
3.1Перечень функций
3.2Описание интерфейса
.3Список поддерживаемых жестов
.4Системные требования
.5Инсталляция программы
.6Запуск программы
.7Ассоциация действий
.8Завершение программы
4Система защиты информации
5Анализ исследовательской эксплуатации и возможных применений
Выводы
Перечень ссылок
Приложение А Бизнес-план
Приложение Б Безопасность жизни и деятельности человека
Приложение В Слайды презентации.
Приложение Г Электронные документы
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СИМВОЛОВ, ЕДИНИЦ, СОКРАЩЕНИЙ И ТЕРМИНОВ
ООП-объектно-ориентированное программирование;
ПП-программный продукт;
ИНС-искусственная нейронная сеть;
ПК-персональный компьютер;
ПО-программное обеспечение;
БЖДЧ-безопасность жизни и деятельности человека;
ЧМС-человек-машина-среда.
ВВЕДЕНИЕ
Со времени появления первых компьютерных устройств ввода информации не многое изменилось. Несмотря на относительно регулярное появление нового оборудования, взаимодействие человека с компьютером, как и раньше, ограничено такими устройствами, как клавиатура, мышь, трекбол, световое перо и т.д.
Эти устройства привычны человеку, однако они существенно ограничивают скорость и естественность его общения с машиной. Вместе с ростом мощи современных компьютеров появляется все большее количество разнообразных периферийных устройств. В настоящее время вполне реальны системы компьютерного зрения, т.е. машина уже в состоянии видеть.
Таким образом, пользователям становится доступным более эффективное и дружественное взаимодействие с компьютером. В ближайшем будущем это приведет к появлению новых интерфейсов с возможностями, несравнимыми со всеми существующими устройствами ввода.
Исследования в области ИНС пережили три периода активизации. Последний начался с начала 80-х годов. ИНС вновь привлекли интерес исследователей, это было связано с энергетическим подходом Хопфилда [2] и алгоритмом обратного распространения для обучения многослойного персептрона (многослойные сети прямого распространения), впервые предложенного Вербосом [3] и независимо разработанного рядом других авторов. Алгоритм получил известность благодаря Румельхарту [4] в 1986 году. Андерсон и Розенфельд [5] подготовили подробную историческую справку о развитии ИНС.
Большое внимание к нейронным сетям обусловлено их сходством с биологическими системами, обладающими высокими способностями к идентификации и адаптации. Параллельный характер сетей позволяет существенно повысить скорость выполнения вычислений. Благодаря наличию нелинейных передаточных функций, нейросеть способна аппроксимировать нелинейное поле с любой степенью точности. Тот факт, что параметры сети настраиваются лишь на основе данных о входе и выходе, дает возможность использования сетей как адаптивных или обучающихся систем в условиях неопределенности. Благодаря этим довольно привлекательным характеристикам, искусственные нейронные сети показали невероятно высокие результаты в задачах распознавания образов, в проблемах оптимизации, идентификации и управления нелинейными объектами при наличии структурных сбоев. В частности, для распознавания образов, в сложных административных системах, в банках и на биржах для прогнозирования курсов валют, где модели носят нелинейный характер и требуют идентификации и управления в реальном времени [6].
Одним из перспективных способов ввода информации является ввод жестов, применяемый во многих современных карманных компьютерах. Этот метод возник и получил свое применение еще в 70-х годах. С тех пор многочисленные приложения использовали похожие интерфейсы, позволяя пользователям выполнять сложные операции с использованием устройства ввода. К современным программам, использующим распознавание жестов мыши, можно отнести такие известные Web-браузеры, как Opera и Mozilla.
К примеру, Mozilla использует такой алгоритм распознавания жестов. После записи жеста каждая последующая его точка сравнивается с предыдущей и генерируется одно из 4-х возможных направлений, причем одинаковые направления объединяются в одно. Далее выполняется поиск полученной последовательности в таблице жестов. Если искомый образец не найден, производится дополнительный ряд упрощений жеста, после чего поиск повторяется [7].
В данном дипломом проекте делается достаточно удачная попытка применения теории искусственных нейронных сетей к задаче распознавания жестов.
1 АНАЛИЗ ПРОБЛЕМНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ
За последние пять лет было написано несколько книг, в которых теория и общее приложение нейронных сетей излагались ясным способом: Wasserman, 1989; Caudill и Butler, 1989 и 1992: Hecht-Nielsen, 1990: Maren, Harston и Pap, 1990; Simpson, 1990; Nelson и Illingswor