КЛАСИФІКАЦІЯ ОБ'ЄКТІВ НА ЗГОРТКОВИХ МЕРЕЖАХ З ВИКОРИСТАННЯМ КАРТ САМООРГАНІЗАЦІЇ

Анотація

Класифікація об’єктів і процесів є розповсюдженою прикладною задачею. Її розв’язання, насамперед, потрібно в системах автоматичного діагностування, наприклад, для визначення стану роботи обладнання за діагностичним сигналом або виявлення патологій за медичними знімками. З розвитком згорткових нейронних мереж відкрились нові перспективи розв’язання таких задач. Однак не для всіх випадків діагностування достатньо точності класифікації, яку можна досягти на цих мережах. Це стосується, наприклад, своєчасного діагностування початку перехідних процесів. Водночас інший різновид нейронної мережі – карти самоорганізації Кохонена – мають концептуальну властивість для навчання за невизначеною множиною класів, тобто дають можливість розв'язувати таку задачу. Тому підвищення точності класифікації на основі вбудування мереж Кохонена в архітектуру згорткових мереж є актуальною задачею і має практичну значущість.

В статті проведено аналіз засобів підвищення точності згорткових нейронних мереж та розв’язання проблем, які при цьому виникають. Також наведені способи підвищення частки коректної кластеризації на мережах Кохонена за рахунок ‘зростання’ її решітки при визначенні нових класів в процесі навчання. Саме ця властивість дає можливість розпізнавання перехідних процесів. Визначено, що існуючі рішення поєднання мереж Кохонена та згорткових мереж спрямовані на підвищення ефективності тільки карт самоорганізації, тому для підвищення точності класифікації згортковими мережами виникла необхідність розробки нової архітектури. В роботі наведено її опис. Оскільки вихідною інформацією мереж Кохонена є матриця вагових значень нейронів решітки, для обробки діагностичних знімків необхідно було пов’язати її з представленням зображень. В роботі запропоновано концепцію вбудованого блоку асоціативного масиву на основі мереж Кохонена. За запропонованим способом розроблено програмну реалізацію гібридної нейронної мережі. Наведено постановку та результати обчислювальних експериментів. Експериментально доведено ефективність запропонованого способу.

Ключові слова: згорткові нейронні мережі, CNN, карти самоорганізації Кохонена, SOM, класифікація сигналів, класифікація зображень.