Практические приложения распознавания образов. Выработка правил классификации самолетов для бомбардировщиков и истребителей в зависимости от их максимальной скорости и максимального взлетного веса. Обучение по алгоритму обратного распространения ошибки.
Аннотация к работе
Распознавание образов с помощью нейронных сетей
1.Например, имеется немало вариантов изображения цифры 1, но все эти изображения должны принадлежать к одному классу - классу «1»; распознавание слов в звуковой записи, воспроизводимой динамиком магнитофона - тоже пример распознавания (классификации). Чтобы понять каким образом работает НС при решении задачи распознавания, рассмотрим тривиальную задачу и используем для решения этой задачи самый простой тип сети. Такие правила могут быть заданы формально: ЕСЛИ вес>0.80 И скорость <0.55, ТО бомбардировщик, ЕСЛИ вес 0.25, ТО истребитель, Разделение, порожденное этими правилами, вполне успешно классифицирует самолеты, но оказывается не слишком гибким, если по этим правилам придется классифицировать новый самолет. Для задачи классификации, например, выяснения типа самолетов, если прямая (для размерности два) или гиперплоскость (для размерности n) может разделить все образцы на соответствующие им классы, то проблема является линейной. Такая сеть потребует элемента, каждый из которых получит на входе по два значения, чтобы представить две разделяющие прямые, и третий элемент, объединяющий информацию об этих двух прямых.