Cybernetics And Systems Analysis logo
Інформація редакції Аннотації статей Автори Архів
Кібернетика та Системний Аналіз
Міжнародний Науково-Теоретичний Журнал
-->

DOI 10.34229/KCA2522-9664.24.3.2
УДК 519.816(045)

О.Є. ЛИТВИНЕНКО
Національний авіаційний університет, Київ, Україна, litvinen@nau.edu.ua


АЛГЕБРАЇЧНИЙ МЕТОД СИНТЕЗУ БЕЗПОМИЛКОВОЇ
БІНАРНОЇ НЕЙРОННОЇ МЕРЕЖІ

Анотація. Наведено математичну модель задачі обчислення вагових коефіцієнтів бінарної нейронної мережі. Доведено, що у разі ступінчастих функцій активації нейронів такою моделлю є система лінійних нерівностей, яка у більшості практичних задач є несумісною. Запропоновано метод аналізу системи нерівностей, який дає змогу обчислити значення вагових коефіцієнтів та синтезувати структуру нейронної мережі, що забезпечує абсолютну точність вихідних сигналів. Наведено алгоритм та приклад реалізації запропонованого методу.

Ключові слова: нейронна мережа, математична модель, аналіз, синтез, помилка.


повний текст

СПИСОК ЛІТЕРАТУРИ

  1. Kazantsev A.V. Visual data processing and action control using binary neural network. Eight International Workshop on Image Analysis for Multimedia Interactive Services (WIAMIS’07) (Santorini, Greece, 6–8 June 2007). IEEE, 2007. Р. 23. https://doi.org//10.1109/WIAMIS.2007.90.

  2. Liang S., Sun R., Li Y., Srikant R. Understanding the loss surface of neural networks for binary classification. Proc. of the 35th International Conference on Machine Learning. 2018. P. 2835–2843. URL: https://proceedings.mlr.press/v80/liang18a/liang18a.pdf .

  3. Krinitskiy M., Verezemskaya P., Grashchenkov K., Tilinina N., Gulev S., Lazzara M. Deep convolutional neural networks capabilities for binary classification of polar mesocyclones in satellite mosaics. Atmosphere. 2018. Vol. 9, N 11. Article number 426. https://doi.org/10.3390/atmos9110426.

  4. Dunnmon J.A., Yi D., Langlotz C.P., Re C., Rubin D.L., Lungren M.P. Assessment of convolutional neural networks for automated classification of chest radiographs. Radiology. 2019. Vol. 290, N 2. Р. 537–544.

  5. Korolev S., Safiullin A., Belyaev M., Dodonova Y. Residual and plain convolutional neural networks for 3D brain mri classification. arXiv:1701.06643v1 [cs.CV] 23 Jan 2017. URL: https://arxiv.org/pdf/1701.06643.pdf .

  6. Menon A.K., Williamson R.C. The cost of fairness in binary classification. Proc. of the 1st Conference on Fairness, Accountability and Transparency. PMLR. 2018. Vol. 81. P. 107–118.

  7. Ferreyra-Ramirez A., Rodriguez-Martinez E., Aviles-Cruz C., Lopez-Saca F. Image retrieval system based on a binary auto-encoder and a convolutional neural network. IEEE Latin America Transactions. 2020. Vol. 18, Iss. 11. P. 1925–1932. https://doi.org//10.1109/TLA.2020.9398634.

  8. Литвиненко О.Є., Кучеров Д.П., Глибовець М.М. Декомпозиційний метод обчислення вагових коефіцієнтів бінарної нейронної мережі. Кібернетика та системний аналіз. 2022. Т. 58, № 6. С. 45–53.




© 2024 Kibernetika.org. All rights reserved.