Швидка класифікація в online- та nearline-режимах в умовах класів, що перетинаються

Анотація

Предметом дослідження є процес швидкої класифікації в умовах класів, що перетинаються. Метою є розробка підходу до швидкої класифікації, який поєднує online- та nearline-режими для підвищення точності класифікації в умовах класів, що перетинаються. Задачі: розробка багатошарової нейронної мережі з ядерними дзвонуватими функціями активації для роботи в online-режимі; розробка адаптивної нейро-фаззі системи для роботи в nearline-режимі. Наукова новизна отриманих результатів полягає в такому. Вперше запропоновано підхід до швидкої класифікації, який поєднує online- та nearline-режими для вирішення задач уточнення границь між класами, адаптації до змін у розподілі вхідних даних, усунення дисбалансу класів та видалення шумових точок. Запропоновану багатошарову нейронну мережу з ядерними дзвонуватими функціями активації для вирішення задачі класифікації в умовах класів, що перетинаються, у online-режимі. Мережа використовує рекурентний алгоритм навчання, що дає можливість відмовитись від процедури зворотного поширення помилок та уникнути ефекту «зникаючого градієнта». У практичному плані мережа забезпечує адаптацію системи до складних границь між класами та створює умови для адаптації до змін у розподілі вхідних даних. Розроблено адаптивну нейро-фаззі систему для класифікації даних у матричній формі, яка використовує гібридне комбіноване навчання. Навчання реалізовано в послідовному online- або nearline-режимі при надходженні нових даних. Експериментальна перевірка запропонованого підходу показала можливість збереження точності класифікації в умовах класів, що перетинаються, та змін у розподілі вхідних даних.