Методи розв’язання задачі мультикласифікації. Побудова кодів, що виправляють помилки. Розв’язання задачі мультикласифікації шляхом зведення до сукупності задач бінарної класифікації. Її реалізація за допомогою вихідних кодів і багатошарових персептронів.
При низкой оригинальности работы "Мультикласифікація із застосуванням розподілених вихідних кодів та нейронної мережі Персептрон", Вы можете повысить уникальность этой работы до 80-100%
Задача мультикласифікації має широке коло застосувань, існує багато підходів до її розвязання. Ця ідея реалізується за допомогою використання теорії розподілених вихідних кодів та багатошарових персептронів.ПОСТАНОВКА ЗАДАЧІ КЛАСИФІКАЦІЇ ТА ОГЛЯД МЕТОДІВ ЇЇ РОЗВЯЗАННЯ. Задача класифікації полягає у визначенні невідомої функції , область значень якої належить дискретній множині, яка містить значень, тобто класів. Вважаємо, що маємо певну множину відомих вхідних даних та відповідних вихідних даних , де , - кількість відомих пар вхідних та вихідних даних. Кожному класу відповідає унікальний бінарний рядок певної довжини n; такі рядки будемо в подальшому називати кодовими словами. Для порівняння вихідного коду та кодового слова найчастіше використовують відстань Геммінга.2.1 Загальні відомості про нейронні мережі. Нейронна мережа схожа з мозком з двох точок зору: Знання надходять в нейронну мережу з навколишнього середовища і використовуються в процесі навчання. Для накопичення знань використовуються звязки між нейронами, що називаються синаптичними вагами. Функція активації обмежує амплітуду вихідного сигналу нейрона. Сигмоїдальна функція. 2.2 Багатошаровий персептрон. Багатошаровий персептрон представляє собою мережу, яка складається з множини сенсорних елементів (вхідних вузлів), що утворюють вхідний шар; одного чи декількох прихованих шарів обчислювальних нейронів та одного вихідного шару нейронів. Мережа містить один чи декілька прихованих шарів, що не є частиною входу чи виходу мережі. 2.3 Задача XOR.3.1 Побудова програмного комплексу. В даній главі розглядаються практичні деталі реалізації системи мультикласифікації за допомогою розподілених вихідних кодів та багатошарових персептронів. На вхід мережі подаються нормовані до відрізку [0, 1] вектори, як цього вимагає алгоритм зворотного розповсюдження помилки. В якості функції активації використано сигмоїдальну функцію.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
