Адаптация нейросетевого классификатора к неустойчивым входным данным

Abstract

Сегодня задачи классификации решаются, как правило, с применением нейронных сетей. В то же время при выборе архитектуры сети особое внимание уделяется сжимающим слоям, а архитектура многослойного персептрона выбирается интуитивно, хотя качество решения во многом зависит от вида разделяющей поверхности. В статье предлагается алгоритм проверки эффективности архитектуры многослойного персептрона на основе анализа свойств входных данных. Алгоритм основан на специальном, разработанном авторами, числовом показателе эффективности архитектуры нейронной сети – коэффициенте перекоса. Коэффициент рассчитывается на основе матрицы несоответствий, что не требует большого объема вычислений. Экспериментально показано, что выбор правильной архитектуры классификатора может повысить качество решения на 50 %.