Машинное обучение сверточной нейронной сети на основе регуляризирующего байесовского подхода

Постановка проблемы. Машинное обучение является важнейшей составляющей разработки интеллектуальных систем различного назначения. Так, с его помощью предоставляется возможность смысловой интерпретации получаемых решений, управления работой сети, прослеживания и обоснования промежуточных решений, обоснования качества получаемых решений. Перечисленные задачи могут быть успешно решены лишь при создании определенной нейросетевой структуры.

Цель. Повысить эффективность функционирования систем и качества получаемых решений на основе технологии интеграции данных и знаний.

Результаты. Предложен вариант машинного обучения для интеллектуальных систем на основе регуляризирующего байесовского подхода. Рассмотрены режимы обучения при обработке информации в условиях значительной информационной неопределенности. Показано, что для формирования наборов данных используются технологии интеграции данных и знаний.

Практическая значимость. Предложенный инструментарий предполагает автоматизацию некоторых рутинных операций для упрощения обучения моделей машинного обучения.