ПОИСК Статьи Рисунки Таблицы Система голосований из "Распознавание образом в химии" Простой и полезный метод обучения состоит в том, чтобы на каждом этапе обходиться минимально необходимым числом коррекций через обратную связь. Если в процессе обучения дается неправильная классификация, то веса пороговых элементов, допускающих небольшие ошибки, подправляют по обычному уравнению обратной связи. Делать это нужно для как можно меньшего числа пороговых элементов, пока не будет обеспечена правильная классификация. [c.72] В табл. 4.6 были приведены результаты обучения по такой трехзвеньевой системе голосования на тех же выборках данных, что при классификации образов другими методами. Эти результаты свидетельствуют о быстрой сходимости системы к высокой (100%) прогнозирующей способности. Однако такая система голосования очень чувствительна к изменениям состава обучающей выборки, что видно по доле верных распознаваний. [c.72] Можно построить систему классификации образов, в которой каждое звено будет иметь ненулевой порог. Обучение проводится как и раньше для регистрации классификации скалярное произведение в каждом голосующем звене должно выходить из мертвой зоны. Собиратель голосов фиксирует окончательную классификацию только в том случае, когда с ней согласна большая часть звеньев. Надо полагать, что такая система классификации окажется более надежной, чем простые классифицирующие системы. [c.72] В табл. 4.6 были приведены результаты обучения системы голосования, состоящей из трех пороговых логических элементов с Z = 50, на тех же трех выборках данных, что и в других случаях. Число коррекций через обратную связь для этой машины больше, но остается на приемлемом уровне. Однако процент правильных классификаций для нее гораздо выше. Эта машина правильно классифицировала 95,7, 96,3 и 98,0% объектов контрольной выборки, составленной из неизвестных ей образов. Процент распознаваний для нее также очень высок эта машина почти никогда не ошибается на образах рассматривающейся размерности. [c.72] Вернуться к основной статье