Інформаційно-екстремальний алгоритм навчання системи діагностування емоційно-психічного стану людини

Abstract

UK: Розглядається метод розпізнавання емоційно-психічного стану людини за зображеннями її обличчя. При цьому запропоновано для одержання додаткової інформації використовувати такі фрагменти зображення обличчя людини, які включають зони очей і носу. Формування вхідного математичного опису системи розпізнавання здійснюється шляхом аналізу лівопівкульних та правопівкульних зображень обличчя людини. При цьому попередньо для стабільного емоційно-психічного стану особи формується навчальна матриця яскравості зображення, як всього обличчя, так і його відповідних фрагментів. Машинне навчання здійснюється в рамках інформаційно-екстремальної інтелектуальної технології, що грунтується на максимізації інформаційної спроможності системи розпізнавання. Як критерій функціональної ефективності машинного навчання використано модифіковану інформаційну міру Кульбака, яка розглядається як функціонал від точнісних характеристик двохальтернативних рішень. За побудованою категорійною моделлю у вигляді відображення множин, задіяних в процесі навчання, розроблено інформаційно-екстремальний алгоритм оптимізації геометричних параметрів гіперсферичних контейнерів класів розпізнавання, що відновлюються в процесі навчання в радіальному базисі простору ознак. За результатами фізичного моделювання доведено, що фрагменти обличчя є достатньо інформативними при розпізнаванні емоційно-психічного стану людини. EN: A method of the emotional and mental person’s state recognition using facial image is considered. The fragments with eye and nose areas of the image are prompted for additional information obtaining. A forming of the input mathematical description of pattern recognition system by analyzing the left hemisphere and right hemisphere images of the human face is proposed. The preliminary process of forming training matrix by image brightness for a stable emotional and mental person’s state uses the whole images as well as corresponding fragments. Machine learning in the framework of information-extreme intellectual technologies is based on maximizing the information capacity of the recognition system. A criterion for the functional efficiency of machine learning uses a modified information measure Kullback as a functional of the accuracy characteristics of the two alternative solutions. An information-extreme algorithm for optimization geometrical parameters of recovering in radial basis of the feature space during the learning process hyperspherical containers of recognition classes is developed by the categorical model of mapping involved in the learning process sets. Physical modeling results proved that the fragments of facial image are quite informative for the emotional and mental person’s state recognition.