Уперше для нейроподібних структур моделі геометричних перетворень розроблено метод й інформаційну технологію класифікації на підставі правила "переможець забирає все" (WTA) з використанням матриці штрафів і заохочень, що дозволяє враховувати неоднакову значущість помилок під час розпізнавання об'єктів різних класів. Уперше для нейроподібних структур моделі геометричних перетворень розроблено метод кускової побудови роздільних поверхонь на підставі дерева поділу за класами, що забезпечує підвищення точності розпізнавання об'єктів, для яких у заданому просторі реалізацій не виконується гіпотеза компактності. Запропоновано, досліджено та реалізовано метод послідовного вирівнювання тренувальної вибірки за кластерами, що формуються у вузлах дерева, який забезпечує покращання точності розв'язання задач класифікації для вибірок, представлених у просторі реалізацій нерівномірно. Удосконалено метод навчання нейроподібних структур моделі геометричних перетворень, за яким запропоновано використовувати процедуру оптимізації з використанням методу імітації відпалу металу на базі параметрів головних компонентів, що дозволило покращити якість класифікації завдяки використанню інших, окрім середньоквадратичного, критеріїв якості.

  Завантажити