Спосіб побудови і навчання нейронної мережі з латеральним гальмуванням

Спосіб побудови і навчання нейронної мережі з латеральним гальмуванням, який полягає в тому, що нейронну мережу утворюють поєднанням шару нейронів з латеральним гальмуванням, який здійснює кластеризацію вхідного простору ознак, і нейромережевого блоку, що здійснює зіставлення виділеним кластерам номера класу, який відрізняється тим, що навчання шару нейронів з латеральним гальмуванням і нейромережевого блоку розділяють і здійснюють послідовно, як нейромережевий блок використовують багатошарову нейронну мережу прямого поширення або нейронну мережу Хопфілда, причому за рахунок вибору кращої метрики з набору заданих метрик забезпечують побудову більш точної моделі розпізнавання Винахід відноситься до обчислювальної техніки та кібернетики і може бути використаний для рішення задач розпізнавання образів (класифікації) і безрозбірної діагностики виробів Відомий спосіб побудови і навчання нейронних мереж з латеральним гальмуванням, заснований на квантуванні навчального вектора [1], який полягає в тому, що значення ваг нейронної мережі, яка складається із шару нейронів з латеральним гальмуванням та ЛІНІЙНОГО шару нейронів, ітеративно змінюють для того щоб межі рішень (межі, що розділяють класи, образи) встановити таким чином, щоб виділити кластери, які відносяться до ВІДПОВІДНИХ класів, і тим самим навчають нейронну мережу класифікації за мінімумом відстані розпізнаваного екземпляра до кластерів, при цьому навчання шару нейронів з латеральним гальмуванням та ЛІНІЙНОГО шару нейронів здійснюють паралельно і одночасно, а метрику для визначення відстані екземпляра від кластерів задають наперед В основу винаходу поставлена задача підвищення точності розпізнавання і швидкості навчання нейронних мереж з латеральним гальмуванням Поставлена задача вирішується тим, що в способі побудови і навчання нейронної мережі з латеральним гальмуванням, який полягає втому, що нейронну мережу утворюють поєднанням шару нейронів з латеральним гальмуванням, який здійснює кластеризацию вхідного простору ознак, і нейромережевого блоку, що здійснює зіставлення виділеним кластерам номера класу, навчання шару нейронів з латеральним гальмуванням і нейромережевого блоку розділяють і здійснюють послідовно, а в якості нейромережевого блоку використовують багатошарову нейронну мережу прямого поширення або нейронну мережу Хопфілда, причому за рахунок вибору кращої метрики з набору заданих метрик забезпечують побудову більш точної моделі розпізнавання Недоліками відомого способу є складність реалізації процедури навчання, невисока точність розпізнавання, зумовлена тим, що нейрони вихідного (ЛІНІЙНОГО) шару мережі можуть забезпечити розпізнавання тільки легко розділимих образів, і тривалий час навчання нейронної мережі, який зумовлений ітераційністю процедури одночасного навчання шару з латеральним гальмуванням Такий спосіб дозволяє спростити реалізацію навчальної процедури, підвищити точність розпізнавання і швидкість навчання нейронних мереж з латеральним гальмуванням Побудову і навчання мережі з латеральним гальмуванням здійснюють у такий спосіб Спочатку формують навчальну вибірку з однотипних екземплярів, які характеризують набором N ознак Далі реалізують навчальний експе та ЛІНІЙНОГО шару со 49379 римент (випробування екземплярів) і для кожного екземпляра навчальної вибірки визначають фактичний клас, до якого відноситься екземпляр Після ЦЬОГО на основі отриманої навчальної вибірки формують шар нейронів з латеральним гальмуванням ВІДПОВІДНО ДО алгоритма Кохонена [2], КІЛЬКІСТЬ нейронів Z задають з урахуванням складності вирішуваної задачі (як правило, Z > 2) Причому метрику для нейронів шару з латеральним гальмуванням задають на початку навчання, або, на відміну від алгоритма Кохонена, підбирають у процесі навчання Далі ознаки екземплярів навчальної вибірки послідовно подають на ВІДПОВІДНІ ВХОДИ нейронів шару з латеральним гальмуванням, для кожного екземпляра визначають той кластер, до центру якого відстань від екземпляра є найменшою, після чого для кожного нейрона шару з латеральним гальмуванням, який одночасно є центром кластеру, виділеного у процесі формування шару нейронів з латеральним гальмуванням, визначають КІЛЬКІСТЬ екземплярів, які відносяться до кожного з фактичних класів Після ЦЬОГО кожному нейрону шару з латеральним гальмуванням ставлять у ВІДПОВІДНІСТЬ той фактичний клас, до якого відноситься більша частина екземплярів, віднесених шаром нейронів з латеральним гальмуванням до даного кластера Постановку ВІДПОВІДНОСТІ роблять шляхом запису пари (кортежу) до нейромережевого блоку асоціативної пам'яті В якості нейромережевого блоку використовують багатошарову нейронну мережу, або мережу Хопфілда з нейромережевим селектором максимуму на виході Для запису до нейромережевого блоку асоціативної пам'яті визначених кортежей, що встановлюють ВІДПОВІДНІСТЬ кластера та номера фактичного класа, утворюють множину кортежей, яку використовують для навчання нейромережевого блока Якщо в якості нейромережевого блока використовують багатошарову нейронну мережу, то в процесі м навчання на її входи подають сигнали з ВІДПОВІДНИХ виходів шару з латеральним гальмуванням, а на вихід подають номер фактичного класу Якщо в якості нейромережевого блоку використовують мережу Хопфілда з нейромережевим селектором максимуму на виході, тоді в процесі навчання на ВІДПОВІДНІ ВХОДИ мережі Хопфілда подають сигнали від нейронів шару з латеральним гальмуванням, а на вихід подають 0, якщо номер нейрона шару з латеральним гальмуванням незіставлений даному класу і 1 - якщо зіставлений Нейромережевий селектор максимуму використовують для визначення номера нейрона мережі Хопфілда (тобто номера фактичного класу), вихід якого дорівнює 1, для всіх інших нейронів шару з латеральним гальмуванням вихід мережі Хопфилда буде дорівнювати 0 Ітеративний підбор метрики у процесі на вчання здійснюють наступним чином Нехай D = {