СТРУКТУРНІ ОСОБЛИВОСТІ НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА

Т. Б. Мартинюк; М. Г. Тарновський; Я. В. Запетрук

doi:10.31649/1997-9266-2020-148-1-46-52

Автор(и)

Т. Б. Мартинюк

Вінницький національний технічний університет ROR

М. Г. Тарновський

Вінницький національний технічний університет ROR

Я. В. Запетрук

Вінницький національний технічний університет ROR

DOI https://doi.org/10.31649/1997-9266-2020-148-1-46-52

Ключові слова

нейротехнологія нейромережа нейромережевий класифікатор

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.

699 355

Як цитувати

[1]

«СТРУКТУРНІ ОСОБЛИВОСТІ НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА», Вісник ВПІ, вип. 1, с. 46–52, Лют 2020, doi: 10.31649/1997-9266-2020-148-1-46-52.

Завантажити посилання

Біографії авторів

автор Т. Б. Мартинюк, афіліація Вінницький національний технічний університет

д-р техн. наук, професор, професор кафедри лазерної та оптикоелектронної техніки

автор М. Г. Тарновський, афіліація Вінницький національний технічний університет

канд. техн. наук, доцент, доцент кафедри лазерної та оптикоелектронної техніки

автор Я. В. Запетрук, афіліація Вінницький національний технічний університет

студент факультету автоматики та комп’ютерних систем управління

Посилання

М. Т. Джонс, Программирование искусственного интеллекта в приложениях, пер. с англ. Москва, Россия: ДМК Пресс, 2004.

С. Осовский, Нейронные сети для обработки информации, пер. с польск. Москва, Россия: Финансы и статистика, 2004.

В. Ю. Мейтус, «Интеллектуальные компоненты в системах управления производством,» Кибернетика и системный анализ, № 3, с. 29-44, 2003.

А. В. Гаврилов, В. В. Губарев, К. Х. Джо, и Х. Х. Ли, «Архитектура гибридной интеллектуальной системы управления мобильного робота,» Вестник Новосибирского ГТУ, № 2, с. 3-13, 2004.

А. А. Буков, Технические системы. Обучаемые системы управления со зрением для промышленных роботов. Липецк, Россия: изд-во Липец. гос. техн. ун-та, 2001.

С. Я. Гильгурт, и А. К. Гиранова, «Программно-аппаратная защита данных в распределенных интеллектуальных системах», Искусственный интеллект, № 3, с. 706-711, 2010.

L. Rutkowski, Computational Intelligence. Methods and Techniques. Berlin-Heidelberg: Springer-Verlog, 2008.

В. И. Юнкеров, и С. Г. Григорьев, Математико-статистическая обработка данных медицинских исследований. СПб., Россия: ВМедА, 2002.

Р. М. Рангайян, Анализ биомедицинских сигналов. Практический подход, пер. с англ. М., Россия: ФИЗМАТЛИТ, 2007.

Г. Т. Олійник, І. В. Степанушко, і І. Б. Трегубенко, «Побудова класифікаторів в задачах біометричної ідентифікації та аутентифікації користувачів,» Вісник Черкаського державного технічного університету, № 1, с. 37-40, 2009.

С. Омату, и М. Халид, Нейроуправление и его приложения, пер. с англ. М., Россия: ИПРЖР, 2000.

А. С. Васюра, Т. Б. Мартинюк, і Л. М. Куперштейн, Методи та засоби нейроподібної обробки даних для систем керування. Вінниця, Україна: Универсум-Вінниця, 2008.

Э. М. Куссуль, Л. М. Касаткина, и В. В. Лукович, «Нейросетевые классификаторы для распознавания рукописных символов,» Управляющие системы и машины, № 4, с. 77-86, 1999.

Использование нейроннных сетей. [Электронный ресурс]. Режим доступа: http://www.neuroproject.ru/articles_dak_nn.php. Дата обращения: 15.09.2019.

А. Ежов, и В. Чечеткин, «Нейронные сети в медицине,» Открытые системы, № 4, с. 34-37, 1997. [Электронный ресурс]. Режим доступа: http://www.icmm.ru/~masich/win/lexion/neyro/medicine.html . Дата обращения: 15.09.2019.

Нейронные сети в кардиологии. [Электронный ресурс]. Режим доступа: http://www.icmm.ru/~masich/win/lexion/neyro/medicine.html# part_3. Дата обращения: 24.09.2019.

Алгоритм построения экспертных систем на нейронных сетях. [Электронный ресурс]. Режим доступа: http://elib.altstu.ru/elib/books/Files/pv2009_0102/pdf /001garkol.pdf. Дата обращения: 24.09.2019.

В. Г. Абакумов, В. Н. Крылов, и С. Г. Антощук, «Автоматизированное распознавание при обработке биомедицинских изображений,» Электроника и связь, № 15, с. 124-127, 2002.

В. В. Круглов, и В. В. Борисов, Искусственные нейронные сети. Теория и практика. 2-е изд. Москва, Россия: Горячая линия-Телеком, 2002.

С. Хайкин, Нейронные сети. Полный курс, пер. с англ. Москва, Россия: ООО «И. Д. Вильямс», 2006.

Т. Б. Мартинюк, і Я. В. Запетрук, «Класифікатор», Патент України G06G 7/00. №133874 МПК(2008), 25.04.2019.

В. С. Медведев, и В. Г. Потемкин, Нейронные сети. MATLAB 6. Москва, Россия: ДИАЛОГ-МИФИ, 2002.

Т. Б. Мартинюк, і А. В. Маслій, «Аналіз обчислювального процесу в нейромережевому класифікаторі,» Інформаційні технології та комп’ютерна інженерія, № 3(40), с. 55-60, 2017.