Розглянуто розв'язок задачі класифікації на основі нейронних мереж із латеральним гальмуванням. Висвітлено методи навчання карт ознак самоорганізації Кохонена. Розглянуто питання використання апріорної інформації про значущість ознак. Зроблено аналіз можливості застосування розглянутих моделей. Результати роботи можна використати для будування адаптивних систем діагностики.

Рассмотрены феномен, теория и применение естественной (сущностной) классификации как основы любой фундаментальной науки, а также концептуального моделирования в интеллектуальных автоматизированных информационных системах. Разработана и применена для исследования картины мира системология систем-классов (внешних систем). Впервые рассмотрены операционные и математические критерии естественной классификации произвольной проблемной области. Построена категорно-функторная модель естественной классификации как концептуальной модели универсума на основе синтеза системологических и математических методов. Предложен новый метод системологического классификационного анализа на основе естественной классификации, который позволяет отразить в классификации глубинные знания о проблемной области, существенные свойства моделируемых объектов, а также наделить классификацию объяснительной и предсказательной силой. Показано, что применение естественных классификаций схем обеспечивает поддержку принятия оптимальных решений, получение выводов и рекомендаций, повышающих эффективность, а также адаптивность систем и технологий, основанных на знаниях.

Рeaлізовано евристичний алгоритм багатомірної класифікації за ознаками, що базується на поєднанні результатів одномірної класифікації з урахуванням значимості ознак, а також подано його нейромережеву інтерпретацію. Проведено експерименти з порівняння різноманітних модифікацій даного алгоритму на прикладі розв'язання практичних задач.

Запропоновано модифікований нерекурентний метод потенціальних функцій та алгоритм багатовимірної класифікації. Наведено нейромережеву інтерпретацію алгоритму багатовимірної класифікації. Подано рекомендації щодо практичного застосування запропонованих методів.

Розроблено алгоритм, що дозволяє здійснювати класифікацію об'єктів та оцінювати значимість їх ознак. Описано нейромережеву інтерпретацію розробленого алгоритму. Наведено результати експериментів з апробації розглянутого алгоритму.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж29114 Пошук видання у каталогах НБУВ 

Рассмотрены логические системы распознавания образов на основе представления описаний их классов в пространстве логических признаков (на единичном гиперкубе). Показаны возможности обнаружения имеющихся ограничений и достоинств. Сформулированы практические рекомендации на базе обособленности соответствующих образов.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

Предложено направление развития информационной модели Марра. Построенные на этапе обучения модели объектов можно использовать для проведения специального описания новых изображений. На этапе распознавания стоит задача идентификации (на вновь предъявляемых изображениях) тех объектов, которые предъявлялись системе на этапе обучения. Основное внимание при реализации системы должно быть уделено представлению описаний изображения на этапе распознавания. Поскольку известны сами объекты, модели которых хранятся в БД, то за счет этого можно значительно снизить требования к детализации описания и сократить анализируемые потоки информации.

Предложена идея построения совокупности r-редуцированных решающих деревьев, основанная на том, что при попадании классифицируемого объекта, не участвовавшего в обучении, в область отказа решающего дерева, классификация этого объекта должна осуществляться другим деревом на основе конъюнктивной закономерности ранга не большего, чем пороговый ранг.

Предложена общая постановка задачи динамического классификационного анализа (ДКА), когда каждый объект по каждому параметру характеризуется набором значений для некоторой последовательности моментов времени (траекторией). В рамках вариационного подхода разработан соответствующий алгоритм ДКА, проведен его теоретический анализ. Доказана теорема о сходимости алгоритма ДКА, обеспечивающая стационарность предельного значения функционала.

Отмечено, что при решении задач классификации, распознавания и прогнозирования весьма актуальны задачи формирования признакового пространства и способы представления данных, которые существенно влияют не только на возможности выявления тех или иных закономерностей и результаты принятия решений, но и на используемые методы обработки, а также размерности решаемых задач.

Продолжается исследование оценок надёжности классифицирующих алгоритмов. Рассматриваются существующие и предлагаются новые методы получения интервальных оценок, пригодных в случае малого числа прецедентов.

В рамках бейесовского подхода к статистическим задачам предложен новый метод конкретизации априорного распределения, основанный на принципе, названном "принципом согласованности". Продемонстрировано применение предложенного метода к задаче интервального оценивания параметров биномиального, пуассоновского и нормального распределений.

Розглянуто модель нейромережевого класифікатора з випадковими порогами. Здійснено ймовірносний аналіз характеристик функціонування залежно від параметрів класифікатора, надано рекомендації щодо їх вибору. Запропоновано спосіб оптимізації структури класифікатора до розподілу вхідних даних.

Рассмотрены вопросы обоснования построения классификаторов, объективизации выявления кластерной структуры с использованием областей запрета в признаковом пространстве.

Предложен метод предварительной классификации объектов, заданных бинарной информацией, базирующийся на использовании монотонных отделителей. Построенные отделители используются для биективного преобразования заданного куба. Для классификации объектов предлагается использовать монотонизирующее преобразование, сохраняющее некоторую функцию потенциального типа близости вершин булева куба.

Описано новий підхід до розв'язання задач класифікації за умов неповноти інформації, при якому вирішальне правило будується за принципом подібності розпізнавальних об'єктів. В основі підходу лежить його формування за допомогою генеральної узагальненої змінної.

Рассмотрены вопросы зависимости эффективности обучаемых классификаторов от различных параметров обучающей выборки, таких, как размер, количественный состав образов разных классов, раздельное концентрирование образов разных классов и т.д. На основании найденных зависимостей сделаны выводы о возможности применения обучаемых классификаторов в системах распознавания различной общественной значимости и ответственности принимаемых решений.

Предложен подход к процессу распознавания образов на основе оптимальных классификаторов для определения решающих правил распознавания, позволяющих упростить разработку алгоритмов распознавания образов.