Теоретическое обоснование использования нейронных сетей при распознавании образов. Обоснование необходимости и основные этапы, перспективы разработки устойчивых алгоритмов, которые распознавали бы образы с различным уровнем зашумленных входных образов.
Аннотация к работе
Разработка нейроаналитического алгоритма классификации образов и исследование его на устойчивость при наличии шумовВ современном мире существует множество современных программ, которые содержат различные методы цифровой классификации образов, однако они не раскрывают своих алгоритмов, что делает невозможным их использование для дальнейшей разработки с целью повышения точности классификации образов. При этом важное теоретическое и практическое значение при распознавании образов имеет способность нейронных сетей к обучению [7]. Существующие нейросетевые алгоритмы при отсутствии шумов входных сигналов могут приводить к неверным значениям выходных сигналов [3], что, в частности, отражено в работе [8]. Будем считать, что вектор отягощен шумами (ошибками составляющих) и его точность характеризуется следующей ковариационной матрицей: (2) Тогда матрица В (9) будет иметь следующий вид: Принимая найдем вектор коррелат по (15): и вектор в соответствии с зависимостью (13): .В данной статье разработан нейроаналитический алгоритм по распознаванию образов, который в случае отсутствия шумов осуществляет классификацию образов идеально, что является явным преимуществом его перед алгоритмом Хопфилда [3], и существенно улучшает алгоритм, предложенный в работе [8].