Реферат на тему: Сравнительный анализ нейросетевых реализаций алгоритмов распознавания образов

Введение

Основным назначением системы распознавания образов является отыскание решения о принадлежности предъявляемых ей образов некоторому классу. Один из важных подходов к задаче предполагает использование разделяющих функций. В условиях, когда мы обладаем лишь немногочисленными априорными сведениями о распознаваемых образах, при построении распознающей системы лучше всего использовать обучающую процедуру. На первом этапе выбираются произвольные разделяющие функции и затем в процессе выполнения итеративных шагов обучения эти разделяющие функции доводятся до оптимального либо приемлемого вида.

К определению разделяющих функций в настоящее время существует несколько подходов. В данной работе рассматриваются два из них, которые имеют соответствующие нейросетевые реализации. Первый из них - персептронный подход.

Оглавление

- Введение.

- Общее описание исследуемых нейронных сетей.

- Однослойные сети. Персептрон.

- Многослойные сети.

- Сети Хопфилда.

- Описание программных моделей и алгоритмов их обучения.

- Методика и результаты экспериментальных исследований.

- Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ.

- Исследование представляемости однослойной и двухслойной нейронной сети.

- Релаксация стимула.

- Возникновение ложного образа. Выработка прототипа.

- Бистабильность восприятия.

- Заключение.

- Литература.

- Приложение.

Заключение

В работе созданы программные модели трех нейронных сетей: персептрон, сеть обратного распросранения и сеть Хопфилда. Модели позволяют проиллюстрироваь основные достоинства и недостатки, а также ряд специфических свойств реализованных моделей.

Во всех моделях для приложения внешнего стимула использовалась, специально разработанная программно, измерительная сетчатка.

Результаты серии экспериментов, проведенных на моделях, показали, что:

Способность персептрона и сети обратного распространения моделировать определенную функцию зависит от допустимой общей ошибки сети.

Топологическая структура сети Хопфилда обуславливает ее свойства, которые можно интерпритировать как релаксация стимула, выработка прототипа, бистабильность восприятия.

В дальнейшем планируется разработка программных моделей более сложных нейронных сетей и их комбинаций с целью получения наиболее эффективных алгоритмов для задачи распознавания образов.

Список литературы

- Ь А.Н.,Россиев ные сети на персональном компьюере.

- Минский М.Л.,Пайперт роны.М.: Мир.

- Розенблатт пы нейродинамики.М.: Мир.

- Уоссермен омпьютерная техника.М.: Мир.1992.237С.

- Соhеn М.А.,Grоssbеrg tе stаbility оf glоbаl раttеrn fоrmаtiоn аnd раrаllеl mеmоry stоrаgе by соmраtitivе nеurаl nеtwоrкs.

- Неbb zаtiоn оf Yоrк:Sсiеnсе Еditiоn.

- Норfiеld nеtwоrкs аnd рhysiсаl systеms with еmеrgеnt соllесtivе соmрutаtiоnаl аbilitiеs. Рrоsееdings оf thе Nаtiоnаl Асаdеmy оf Sсiеnсе.

- Раrкеr D.В. Lеаrning-lоgiс. Invеntiоn Rероrt.

- Rumеlhаrt D.Е. Нintоn G.Е.,Williаms R.J. Lеаrning intеrnаl rерrеsеntаtiоns by еrrоr рrораgаtiоn. In Раrаllеl distributеd рrосеssing, vоl.

- Wеrbоs Р.G. Веyоnd rеgrеssiоn: Nеw tооls fоr рrеdiсtiоn аnd аnаlysis in thе bеhаviоrаl sсiеnсеs.

- Widеr R.О. Singlе-stаgе lоgiс, Рареr рrеsеntеd аt thе АIЕЕ Fаll Gеnеrаl Мееting.

- Windrоw В. Тhе sрееd оf аdарtеtiоn in аdарtivе соntrоl systеm.

- Windrоw В. А stаtistiсаl thеоry оf аdарtеtiоn. Аdарtivе соntrоl systеms.