Заключение. 
Разработка системы видеораспознавания графических образов на основе мультиагентных рекурсивных когнитивных архитектур

В статье приведено описание системы распознавания графических образов на основе мультиагентных рекурсивных когнитивных архитектур, применение которой возможно в системах технического зрения различных робототехнических систем. Предложенный подход позволяет расслоить информацию об объектах на несколько модальностей и для идентификации объектов использовать систему баз знаний агентов, каждый из которых отвечает за конкретное значение некоторой модальности или объект, описываемый комбинацией этих модальностей.

Литература

• 1. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974.с.16−17.
• 2. Горелик А. Л., Скрипкин В. А. Методы распознавания. 4 изд. М.: Высшаяшкола, 2004.с.22−23.
• 3. Anchokov M., Denisenko V., Nagoev Z., Sundukov Z., Tazhev B. Interactive collaborative robotics and natural language interface based on multi-agent Recursive cognitive architectures // First International Conference, ICR 2016. Budapest, Hungary: 2016.pp.107−112.
• 4. Пшенокова И. А., Денисенко В. А., Нагоева О. В., Токмакова Д. Г., Сундуков З. А. Представление знаний в системах искусственного интеллекта на основе принципов онтонейроморфогенеза и мультиагентного моделирования // Известия Кабардино-Балкарского научного центра РАН. 2015. № 6−2. с.158−165.
• 5. Денисенко В. А., Анчеков М. И., Кармоков М. М., Сундуков З. А. Разработка компьютерной модели мультиагентной когнитивной архитектуры // Известия Кабардино-Балкарского научного центра РАН. 2015. № 6−2. с.61−65.
• 6. Денисенко В. А., Пшенокова И. А., Хамуков А. К. Нейрофизиологические алгоритмы зрительного анализатора головного мозга // Известия Кабардино-Балкарского научного центра РАН. 2015. № 6−2. с. 66−72.
• 7. Романов Д. Е. Нейронные сети обратного распространения ошибки// Инженерный вестник Дона, 2009, № 3. URL: ivdon.ru/magazine/archive/n3y2009/143.
• 8. Артемьев И. С., Лебедев А. И., Долгий А. И., Хатламаджиян А. Е., Меерович В. Д. Метод блочного оптического распознавания инвентарных номеров железнодорожных подвижных единиц на основе комитетной нейроиммунной модели классификации// Инженерный вестник Дона, 2016, № 4. URL: ivdon.ru/ru/magazine/archive/n1y2014/2259.
• 9. Lee, SW. Integrated segmentation and recognition of handwritten numerals with cascadeneural network / SW Lee, SY Kim // Systems, Man, and Cybernetics, Part C: Applications and Reviews, pp. 285−290, 1999.
• 10. Hastie T., Tibshirani R., Friedman J., The elements of statistical learning: Datamining, inference, andprediction. Springer, 2001; 533 p.