Pattern Recognition for Micro Workpieces Manufacturing



Título del documento: Pattern Recognition for Micro Workpieces Manufacturing
Revista: Computación y sistemas
Base de datos: PERIÓDICA
Número de sistema: 000328690
ISSN: 1405-5546
Autores: 1
1
2
1
Instituciones: 1Universidad Nacional Autónoma de México, Centro de Ciencias Aplicadas y Desarrollo Tecnológico, México, Distrito Federal. México
2Clarkson University, Department of Electrical and Computer Engineering, Potsdam, New York. Estados Unidos de América
Año:
Periodo: Jul-Sep
Volumen: 13
Número: 1
Paginación: 61-74
País: México
Idioma: Inglés
Tipo de documento: Plan, proyecto, programa
Enfoque: Analítico, prospectivo
Resumen en español Dos clasificadores neuronales fueron desarrollados para el reconocimiento de imágenes: PCNC (clasificador neuronal con codificación con permutaciones) y LIRA (clasificador neuronal con área de recepción limitada). Estos clasificadores neuronales son clasificadores de diferentes aplicaciones. Nosotros usamos ellos en micromecánica. La información sobre la forma y textura del micro objeto se puede utilizar para mejorar la precisión de los procesos de ensamble y de fabricación. Los redes neuronales propuestos fueron probados fuera de línea en ambos tareas
Resumen en inglés Two neural classifiers were developed for image recognition: PCNC (Permutation Coding Neural Classifier) and LIRA (Limited Receptive Area) neural classifiers. These neural classifiers are multipurpose neural classifiers. We applied them in micromechanics. Information about shape and texture of the micro workpiece can be used to improve precision of both assembly and manufacturing processes. The proposed neural classifiers were tested offline in the both tasks
Disciplinas: Ciencias de la computación,
Matemáticas,
Ingeniería
Palabras clave: Matemáticas aplicadas,
Ingeniería electrónica,
Ingeniería mecánica,
Visión computacional,
Redes neuronales,
Reconocimiento de formas,
Reconocimiento de textura,
Micromecánica
Keyword: Computer science,
Mathematics,
Engineering,
Applied mathematics,
Electronic engineering,
Mechanical engineering,
Computer vision,
Neural networks,
Shape recognition,
Texture recognition,
Micromechanics
Texto completo: Texto completo (Ver HTML)