Structural-functional model of a parallel-hierarchical optical network as a systematic tool for artificial intelligence methods

Abstract

У статті розглянуто проблеми оброблення даних у реальному часі та проаналізовано різні методи, що застосовуються для їх розв’язання, з акцентом на оброблення зображень. Вказано на обмеження наявних методів і обґрунтовано потребу використання ефективніших і сучасніших технологій, запропоновано паралельно-ієрархічні мережі як перспективне рішення. У статті подано детальний опис структурно-функціональної моделі мережі цього типу, яка передбачає циклічне перетворення матриці вхідних даних із застосуванням критерію «спільної частини» та оператора еволюції масиву доти, доки не буде сформовано множину окремих елементів. Очікується, що запропонована модель покращить розпізнавання зображень у реальному часі та потенційно може бути застосована в інших галузях завдяки використанню критерію «спільної частини».

The article discusses the challenges of real-time data processing and analyzes various methods used to solve them, with a focus on image processing. It points out the limitations of existing methods and argues for the need to use more effective and modern technologies, proposing parallel-hierarchical networks as a promising solution. The article provides a detailed description of the structural-functional model of this type of network, which involves cyclically transforming the input data matrix using a \"common part\" criterion and an array evolution operator until a set of individual elements is formed. The proposed model is expected to improve real-time image recognition and can potentially be applied to other fields by using the \"common part\" criterion.