La classificazione di immagini telerilevate mediante reti neurali fuzzy Artmap: tecniche di apprendimento incrementale
Autore
Giorgio Robino - Università degli studi di Genova - [1998-99]
Documenti
Abstract
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.
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.
Questa tesi è correlata alle categorie