Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2020

Размер шрифта: 
Дуальное представление входных данных, как способ повышения эффективности нейросетевого распознавания образов
Д. В. Маршаков

Изменена: 2021-06-13

Аннотация


В работе рассматривается способ повышения эффективности алгоритмов функционирования нейросетевых систем распознавания образов. Предложена методика нейросетевой классификации на основе дуального представления признаков входных данных искусственной нейронной сети. Приводится пример распознавания графических цифр искусственными нейронными сетями с переменным числом нейронов в скрытом слое. Приведенный способ позволяет повысить качество нейросетевой классификации в среднем на 5-7%.

Ключевые слова


искусственная нейронная сеть; классификация; распознавание образов; точность; дуальные образы

Литература


1.      Татьянкин В.М., Дюбко И.С. Обучающая выборка в задаче распознавания образов при использовании нейронных сетей // Вестник Югорского государственного университета. 2015. №2. С. 94-98.

2.      Козадаев А.С. Предварительная оценка качества обучающей выборки для искусственных нейронных сетей в задачах прогнозирования временных рядов // Вестник Тамбовского университета. Серия: Естественные и технические науки. 2008. Т. 13. №1. С. 99-100.

3.      Фатхи Д.В., Фатхи Д.Д., Фатхи Д.В. Повышение надёжности распознавания образов искусственными нейронными сетями систем информационной безопасности в условиях отказов нейронов // Информационная безопасность регионов. 2011. №1. С. 44-49.

4.      Маршаков Д.В., Федорчук Е.А. Анализ распределения значений весовых коэффициентов искусственной нейронной сети // Интеллектуальные технологии и проблемы математического моделирования: Материалы II Всерос. науч. конф., пос. Дивноморское, 2019. С. 18-19.

5.      Powers D.M.W. Evaluation:  From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation // Journal of Machine Learning Technologies. 2011. Vol. 2. Issue 1. P. 37-63.


Полный текст: PDF