Artificial intelligence

Abstract: The paper is devoted to the use of one approach to addressing the various types of problems of pattern recognition. This approach is based on use of effective algorithms for computational geometry, and particular, the method of monotone chains. Also, in the paper we use Rosenblatt perceptron for recognition polygons.

Keywords: artificial intelligence, computer vision, pattern recognition, geometric object, computational geometry algorithms, the method of monotone chains

References:

1. Duda R. Raspoznavanye obrazov y analyz stsen / Duda R., Khart P. – M., 1976. – 507 s.
2. Verkhahen K. Raspoznavanye obrazov: sostoyanye y perspektyvы / Verkhahen K., Deyn R., Hrun F.– M. Radyo y svyaz', 1985. – 104 s.
3. Vasyl'ev V.Y. Raspoznayushchye systemы / Vasyl'ev V.Y. – Kyev Naukova dumka, 1983. – 422 s.
4. Horelyk A.L. Metodы raspoznavanyy / Horelyk A.L., Skrypkyn V.A – M. Vнsshaya shkola, 2004. – 264 s.
5. Tereshchenko V.M. Perseptronna model' prohnozuvannya rynkovykh kotyruvan' / V.M.Tereshchenko, D.P.Hryhorenko // Visnyk Kyyivs'koho universytetu: zb. nauk. prats'. –2009, Kyiv.– Vyp. 3.– S. 190–195.
6. Tereshchenko V.M. Pryntsyp zvodymosti v zadachakh obchyslyuval'noyi heometriyi // Visnyk Kyyivs'koho universytetu, seriya: fizyko-matematychni nauky, vypusk 2, 2009, st. 149-154.
7. Preparata F. Computational Geometry / Preparata F., Lee D.T. – Berlin: Springer, 1985.– 357 s.
8. Lee D.T. Computational geometry: a survey / Lee D.T. – Berlin: Tucker, 1997.– 437 s.
9. Mynskyy M. Perseptronы / Mynskyy M., Peypert, 1971. – 262 s.
10. Uossermen F. Neyrokomp'yuternaya tekhnyka / Uossermen F. – M.: Myr, 1992. –506 c.
11. Horban' A.N. Neyronnыe sety na personal'nom komp'yutere / Horban' A.N., Rossyev D.A. – Novosybyrsk: Nauka, 1996.– 276 s.
12. Akho Kh., Khopkroft Dzh. Postroenye y analyz vыchyslytel'nыkh alhorytmov / Akho Kh., Khopkroft Dzh., Ul'man Dzh. Yzdatel'stvo: Myryu 1979. – 536 s.
13. Rodzhers D. Alhorytmycheskye osnovы mashynnoy hrafyky / Rodzhers D. – M.: «Myr», 1989. – 512 s.
14. Knut D. Yskusstvo prohrammyrovanyya dlya ЕVM. T. 1. Osnovnыe alhorytmы / Knut D. – M.: Myr, 1976. – 682 s.
15. Knut D. Yskusstvo prohrammyrovanyya dlya ЕVM/T. 3 Sortyrovka y poysk / Knut D. –S.-P.:Vyl'yams, 2000. – 824 s.
16. Foks A. Vychyslytel'naya heometryya. Prymenenye v proektyrovanyy y na proyzvodstve / Foks A., Pratt M. – M.: Myr, 1982. – 304 s.
17. Laslo M. Vychyslytel'naya heometryya y komp'yuternaya hrafyka naS++ / Laslo M. – M.: Bynom, 1997. –301 s.
18. Halakher R. Metod konechnoho эlementa. Osnovy / Halakher R. – M.: Myr, 1974. – 428 s.
19. Fu K. Strukturnыe metodы v raspoznavanyy obrazov / Fu K. Myr, Moskva 1977. – 319 s.
20. Ynformatyka. Spravochnyk. Pod. Red. D.A.Pospelova. – Moskva: Pedahohyka, 1996.
21. Hrenader U. Lektsyy po teoryy raspoznavanyya obrazov: V 3 t. / Hrenader U. – M., 1979. –1983.
22. De Berg M. Computational Geometry. Algorithms and Applications/Mark de Berg.–Berlin:Springer, 2000.–367 s.
23. Tereshchenko V. M., Zavershinskiy M. V. Some aspects of the search segment intersection triangles and spheres in R3 // Applied geometry and graphics. – Kyiv, 2010. – No 85. – P. 192-198.