Нейросетевая классификация в неоднородном признаковом пространстве

А. Ю. Дорогов; В. Ю. Лесных; М. Ю. Шестопалов

Нейросетевая классификация в неоднородном признаковом пространстве

А. Ю. Дорогов¹, В. Ю. Лесных², М. Ю. Шестопалов³

научная статья Страницы: 20-33

¹ д. т. н., проф. каф. автоматики и процессов управления Санкт-Петербургского государственного электротехнического университета «ЛЭТИ»
² аспирант каф. автоматики и процессов управления Санкт-Петербургского государственного электротехнического университета «ЛЭТИ»
³ к. т. н., доц. каф. автоматики и процессов управления Санкт-Петербургского государст-венного электротехнического университета «ЛЭТИ»

Ключевые слова: нейронная сеть прямого распространения коллективные нейросетевые классификаторы область компетентности однородная область

Аннотация

Рассмотрено применение методов системного анализа данных в задаче проектирования коллективных нейросетевых классификаторов. Для построения областей компетенции частных классификаторов предлагается использовать методы локальной балансировки знаковых графов связей и алгоритмы выделения стереотипов системного поведения. Граф связей формируется на основе статистических зависимостей между переменными признакового пространства. Решения частных классификаторов интегрируются с использованием принципа голосования. Приводятся результаты моделирования для реальной базы данных с высокой степенью неоднородности признакового пространства.

Для цитирования

Дорогов А.Ю., Лесных В.Ю., Шестопалов М.Ю. Нейросетевая классификация в неоднородном признаковом пространстве // Нейрокомпьютеры: разработка, применение. 2010. № 4. С. 20–33.

Список источников

Растригин Л. А., Эренштейн Р. Х. Метод коллективного распознавания. М.: Энергоиздат. 1981(Библиотекапоавтоматике. Вып. 615).
Cartwright, Dorwin, and Harary, F., Structural balance: A generalization of Heider-s theory. PsychologicalReview63: 277-292. 1956.
Качанова Т. Л., Фомин Б. Ф. Метатехнология системных реконструкций: СПб: СПбГЭТУ «ЛЭТИ». 2002.
Качанова Т. Л., Фомин Б. Ф. Технология системных реконструкций. СПб.: Политехника, 2003. (Проблемы инновационного развития. Вып. 2).
Бахвалов Н. С. Численные методы (анализ, алгебра, обыкновенные дифференциальные уравнения). М.: Наука. 1975.
Воеводин В. В., Кузнецов А. Ю. Матрицы и вычисления. М.: Наука. 1984.
Дорогов А. Ю., Курбанов Р. Г., Разин В. В. Быстродействующий алгоритм семантической классификации JPEG-изображений // Нейроинформатика. Электронный журнал. 2006. Т. 1. № 2. С. 124-144. http://www.ni.iont.ru/Journal/N2/.
Дорогов А. Ю. Математические основы методов оптимально частичной балансировки знаковых графов. Деп. в ВИНИТИ 23.07.2007, №760-В2007.

[1] Растригин Л. А., Эренштейн Р. Х. Метод коллективного распознавания. М.: Энергоиздат. 1981(Библиотекапоавтоматике. Вып. 615).

[2] Cartwright, Dorwin, and Harary, F., Structural balance: A generalization of Heider-s theory. PsychologicalReview63: 277-292. 1956.

[3] Качанова Т. Л., Фомин Б. Ф. Метатехнология системных реконструкций: СПб: СПбГЭТУ «ЛЭТИ». 2002.

[4] Качанова Т. Л., Фомин Б. Ф. Технология системных реконструкций. СПб.: Политехника, 2003. (Проблемы инновационного развития. Вып. 2).

[5] Бахвалов Н. С. Численные методы (анализ, алгебра, обыкновенные дифференциальные уравнения). М.: Наука. 1975.

[6] Воеводин В. В., Кузнецов А. Ю. Матрицы и вычисления. М.: Наука. 1984.

[7] Дорогов А. Ю., Курбанов Р. Г., Разин В. В. Быстродействующий алгоритм семантической классификации JPEG-изображений // Нейроинформатика. Электронный журнал. 2006. Т. 1. № 2. С. 124-144. http://www.ni.iont.ru/Journal/N2/.

[8] Дорогов А. Ю. Математические основы методов оптимально частичной балансировки знаковых графов. Деп. в ВИНИТИ 23.07.2007, №760-В2007.