Вагомий недолік технології створення сучасних нейромережевих моделей на базі багатошарового персептрона полягає в тому, що при кодуванні параметрів навчальних прикладів не враховується кореляція очікуваного вихідного сигналу із близькістю еталонів класів, що мають бути розпізнаними. Мета дослідження - розробка методу кодування вихідного сигналу навчальних прикладів, який забезпечує відображення близькості еталонів класів, що мають бути розпізнані. Метод кодування базується на ймовірнісній нейронній мережі, в навчальних прикладах якої очікуваний вихідний сигнал визначається не в числовому вигляді, а назвою класу, що має бути розпізнаний. У той же час при розпізнаванні можливо у вихідному сигналі цієї мережі у числовому вигляді відобразити близькість вхідного образу до кожного класу, що був закладений у неї при навчанні. Розроблено метод кодування, який за рахунок використання ймовірнісної нейронної мережі дає змогу врахувати в очікуваному вихідному сигналі навчальних прикладів близькість еталонів класів, що мають бути розпізнані. Висновки: використання запропонованого методу дає можливість у 1,3 - 1,5 разу зменшити кількість навчальних ітерацій для досягнення допустимої помилки навчання в межах 1 %.

  Повний текст PDF - 630.553 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"