Оценка точности распознавания изображений в избирательных нейронных сетях

Постановка проблемы. Распознавание объектов является одной из наиболее существенных когнитивных задач живых организмов. Распознавание объектов можно разделить на распознавание изображений, речи, музыки, ощущений, вкуса, обоняния и других объектов. В данной работе распознавание объектов рассматривается на примере распознавания изображений, которое производится с помощью машинных методов, называемых методами искусственного интеллекта, и методов нейронных сетей.

Цель. Обосновать использование специального корреляционного метода в качестве критерия для оценки точности распознавания двумерных изображений с помощью стандартных и избирательных нейронных сетей прямого распространения.

Результаты. Рассмотрены методы машинного распознавания изображений. Указано, что оценка точности распознавания в этом случае зависит от конкретной задачи распознавания и используемых для обучения датасетов в качестве обучающей базы данных в конкретном случае. Приведена общая структура распознавания изображений в виде лиц. Представлена структура нейронных сетей прямого распространения, стандартных, основанных на нейронах МакКаллока–Питтса, и избирательных, основанных на избирательных нейронах. При оценке точности распознавания двумерных изображений в стандартных и избирательных нейронных сетях предложено использование достаточно удобного корреляционного критерия. Отмечено, что предлагаемый критерий оценки точности допускает наглядную геометрическую интерпретацию.

Практическая значимость. Предлагаемый критерий использован практически для оценки точности распознавания изображений в виде набора цифр, для распознавания портретов русских и советских писателей и поэтов, «умного» распознавания электрокардиограмм.