350 руб
Журнал «Электромагнитные волны и электронные системы» №3 за 2024 г.
Статья в номере:
Робастность систем объединения классификаторов, использующих правило оптимального голосования и нейронную сеть
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j5604128-202403-08
УДК: 621.396
Авторы:

С.Б. Жиронкин1, Ю.Н. Котенко2, В.О. Черваков3, В.В. Прохоренко4

1,2 Военная академия воздушно-космической обороны им. Г.К. Жукова (г. Тверь, Россия)

3,4 МГТУ им. Н.Э. Баумана (Москва, Россия)

1 iadrin@mail.ru, 3 vchervakov@bmstu.ru, 4 prokhorenkoww@bmstu.ru

Аннотация:

Постановка проблемы. В связи с развитием технологий искусственных нейронных сетей (ИНС) представляет интерес сравнение робастности систем объединения классификаторов, использующих правило оптимального голосования и ИНС. От робастных алгоритмов требуют высокой эффективности в случае запланированных ситуаций и приемлемой эффективности при обусловленных заранее отступлениях от плана (модели).

Цель. Сравнить робастности двух систем объединения классификаторов: системы, использующей правило оптимального голосования, и системы, использующей ИНС.

Результаты. Исследована устойчивость правила оптимального голосования и нейронной сети к неточности вычисления апостериорных вероятностей частных решений объединяемых классификаторов. Установлено, что при вычислении апостериорных вероятностей с ошибкой нейронная сеть обеспечила лучшую характеристику, чем правило оптимального голосования, проявив свойство устойчивости (робастности) к неточности входных данных.

Практическая значимость. Использование классификаторов с применением ИНС позволяет повысить робастность алгоритмов в устройствах приёма сигналов.

Страницы: 81-87
Для цитирования

Жиронкин С.Б., Котенко Ю.Н., Черваков В.О., Прохоренко В.В. Робастность систем объединения классификаторов, использующих правило оптимального голосования и нейронную сеть // Электромагнитные волны и электронные системы. 2024. Т. 29. № 3. С. 81−87. DOI: https://doi.org/10.18127/j15604128-202403-08

Список источников
  1. Горелик А.Л., Барабаш Ю.Л., Кривошеев О.В., Эпштейн С.С. Селекция и распознавание на основе локационной информации / Под ред. А.Л. Горелика. М.: Радио и связь. 1990. 240 с.
  2. Барабаш Ю.А. Коллективные статистические решения при распознавании. М.: Радио и связь. 1983. 224 с.
  3. Радиоэлектронные системы: основы построения и теория: Справочник / Под ред. Я.Д. Ширмана. Изд. 2-е перераб. и доп. М.: Радиотехника. 2007. 510 с.
  4. Ефименко В.С., Харисов В.Н., Стребков Е.Г. Применение нейронных сетей в задачах оптимальной фильтрации // Радиотехника. 2000. № 7. С. 56–61.
  5. Черваков В.О., Жиронкин С.Б., Зубарев А.С. Показатели текущего качества статистических решений в комплексных системах обнаружения и распознавания // Успехи современной радиоэлектроники. 2016. № 11. С. 93–97.
  6. Жиронкин С.Б., Черваков В.О., Курныков А.Р. Оптимальный учёт текущей достоверности в радиосистемах с двухэтапным принятием решений // Вестник воздушно-космической обороны. 2020. № 2 (26). С. 67–73.
  7. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь. 1991. 608 с.
  8. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB. М.: ДИАЛОГ-МИФИ. 2002. 496 с.
Дата поступления: 01.04.2024
Одобрена после рецензирования: 06.05.2024
Принята к публикации: 26.05.2024