И.В. Степанян – д.б.н., к.т.н., вед. науч. сотрудник, Институт медицины труда РАН; Институт машиноведения им. А.А. Благонравова РАН; Центр междисциплинарных исследований  музыкального творчества, Московская государственная консерватория им. П.И. Чайковского (Москва)

E-mail: neurocomp.pro@gmail.com

Н.Н. Зиеп – аспирант, кафедра ЭВМ, Институт точной механики и вычислительной техники  им. С.А. Лебедева РАН (ИТМиВТ); Московский физико-технический институт  (государственный университет)

E-mail: diepnn83@mail.com 

Исследованы многослойные сверточные нейроноподобные структуры и алгоритмы их динамического синтеза для задач распознавания образов. Представлены результаты в области обучения и дообучения сверточных бионических нейронных сетей с применением алгоритмов роста их структур. Показано, что алгоритмически синтезированные и обученные сверточные нейроподобные сети обладают стабильной помехоустойчивостью распознавания образов.

1. LeCun Y., Bengio Y. Convolutional Networks for Images, Speech, and Time-Series, in Arbib, M. A. (Eds). The Handbook of Brain Theory and Neural Networks. MIT Press. 1995.
2. Жданов А.А. Автономный искусственный интеллект. М.: БИНОМ Лаборатория знаний. 2008.
3. Жданов А.А., Крыжановский М.В., Преображенский Н.Б. Бионическая интеллектуальная адаптивная система управления мобильным роботом // Искусственный интеллект. 2002. Т. 4. С. 341–350.
4. Хайкин С. Нейронные сети: полный курс. Изд. 2-е. М.: Издательский дом «Вильямс». 2008.
5. Лебедев А.Е., Жданов А.А. Динамическая сегментация пространства признаков для систем автономного адаптивного управления и систем обучения с подкреплением: Сб. научных трудов. В 2-х частях. Ч.1. М.: НИЯУ МИФИ. 2010. С. 182–190.
6. Степанян И.В., Хомич А.В., Карпишук А.В. Принцип блочности в эволюционной оптимизации структур нейронных сетей // Нейрокомпьютеры: разработка и применение. 2006. № 3. С. 17–25.
7. Денисов Э.И., Еремин А.Л., Степанян И.В., Бодякин В.И. Вопросы измерения и оценки информационных нагрузок при умственном труде // Нейрокомпьютеры: разработка, применение. 2013. № 10. C. 54–63.
8. Schmidhuber J. Deep learning in neural networks: An overview // Neural networks. 2015. V. 61. P. 85–117.
9. Krizhevsky A., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks // Annual Conference on Neural Information Processing Systems (NIPS). 2012. P. 1106–1114.
10. LeCun Y., Cortes C., Christopher J.C. Tye B. MNIST database of handwritten digits – база даннных рукописных цифр. http://yann.lecun.com/exdb/mnist/