СТРУКТУРНІ ОСОБЛИВОСТІ НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА

Анотація

Одним з перспективних напрямків в системах аналізу сигналів і зображень та розпізнавання образів вважається застосування нейромережевих технологій. Такий підхід отримав широке застосування у технічному та медичному діагностуванні в їх апаратній та програмній реалізації, зокрема у медичній експрес-діагностиці. Особливостями такого підходу є можливість реалізації діалогового режиму, одночасної обробки альтернативних версій та обробки символьних змінних під час розпізнавання інформації різної природи.

У статті проаналізовано структурні, функціональні та навчальні особливості двох класичних нейромереж: мережі Хопфілда і мережі Хеммінга, яка є найпростішим класифікатором двійкових векторів. Врахування переваг обох зазначених нейромереж дозволило розробити структуру і принцип функціонування запропонованого нейромережевого класифікатора. Запропонована структура нейромережевого класифікатора є удосконаленням структури нейромережі Хеммінга. Відмінністю її є видалення у нейромережевого класифікатора додатних латеральних зв’язків у нейронів конкурентного шару, який реалізує відому парадигму WTA (переможець отримує все). А це викликає загасання слабких вихідних сигналів до рівня, нижчого порогу чутливості. Таким чином реалізується стратегія WTA, що зупиняє ітераційний процес у випадку перемоги одного з нейронів конкурентного шару. Такий підхід дозволив не тільки спростити структуру нейромережевого класифікатора, але й розширити сферу його застосування для класифікації за максимумом дискримінантних функцій. Імітаційне моделювання процесу класифікації у запропонованому нейромережевому класифікаторі підтвердило прискорення цього процесу майже у 2 рази. Структурне моделювання прихованого шару нейромережевого класифікатора продемонструвало правильні відповіді на його виходах за заданням конкретних вхідних комбінацій.