Исследование применимости сверточных нейронных сетей для задачи идентификации типа зависимости в наборах данных
PDF

Ключевые слова

искусственные нейронные сети
аппроксимация
сверточные нейронные сети
корреляционный анализ

Как цитировать

1.
Смородинов А.Д., Гавриленко Т.В., Рассадин А.А. Исследование применимости сверточных нейронных сетей для задачи идентификации типа зависимости в наборах данных // Успехи кибернетики. 2023. Т. 4, № 3. С. 47-54. DOI: 10.51790/2712-9942-2023-4-3-05.

Аннотация

в работе рассматривается возможность применения сверточных искусственных нейронных сетей для решения задачи идентификации типа зависимости в наборах данных. Для обучения сверточной нейронной сети использовались обучающие выборки, состоящие из графиков функций. В качестве базового набора функций для обучения искусственной нейронной сети были выбраны 6 функций, ключевым свойством которых является линеаризуемость. Сверточная нейронная сеть применялась для определения типа зависимостей в наборах данных, полученных из международной базы данных MNIST, предназначенной для тестирования статистического программного обеспечения. Приведен анализ результатов применения сверточной нейронной сети к наборам данных из базы данных MNIST, делается вывод о принципиальной возможности применения данного подхода для визуального корреляционного анализа данных и, как следствие, возможности идентификации типа зависимости по графическому образу представления данных.

https://doi.org/10.51790/2712-9942-2023-4-3-05
PDF

Литература

Декарт Р. Геометрия. С приложением избранных работ П. Ферма и переписки Декарта. Пер., примеч. и статьи А. П. Юшкевича. М.-Л.: Гостехиздат; 1938. 297 с.

Старков С. Н. Справочник по математическим формулам и графикам функций для студентов. СПБ.: Питер; 2009. 235 с.

Галкин В. А., Гавриленко Т. В., Смородинов А. Д. Некоторые аспекты аппроксимации и интерполяции функций искусственными нейронными сетями. Вестник КРАУНЦ. Физико-математические науки. 2022;38(1):54–73. DOI: 10.26117/2079-6641-2022-38-1-54-73. EDN: JTZQQZ.

Свидетельство о государственной регистрации программы для ЭВМ No2023611413 Российская Федерация. Автоматизированная система конструирования нейронных сетей: No 2022680250: заявл. 26.10.2022: опубл. 19.01.2023 / А. Д. Смородинов, Т. В. Гавриленко, Н. Р. Урманцева. EDN: AWFDRA.

Стандартная справочная база данных NIST 140. Режим доступа: https://www.itl.nist.gov/div898/strd/nls/nls_main.shtml. DOI: 10.18434/T43G6C.

Hiebert K. L. An Evaluation of Mathematical Software That Solves Nonlinear Least Squares Problems. ACM Transactions on Mathematical Software. 1981;7(1):1–16. DOI: 10.1145/355934.355935.

Свидетельство о государственной регистрации программы для ЭВМ No2023661479 Российская Федерация. Программа автоматической генерации изображений графиков функций для обучения искусственной нейронной сети распознавания образов: No2023619894: заявл. 18.05.2023: опубл. 31.05.2023 / А. А. Рассадин, А. Д. Смородинов, Т. В. Гавриленко. EDN: DLAXJE.

Скачивания

Данные скачивания пока не доступны.