Модель оптимізації багатоетапного процесу нейромережевого навчання з функцією обмеження втрат у задачі розпізнавання зображень

Abstract

На прикладі нейромережевого дослідження задачі розпізнавання кольорових зображень розглянуто проблему якнайшвидшого виведення системи обробки інформації на оптимальний режим фун-кціонування за умов заздалегідь невідомого розподілу пріоритетів її характеристик. Формалізовано відповідну задачу прийняття рішень, у якій альтернативами є методи навчання нейронної мережі, а її характеристики сприймаються як наслідки. Виходячи з відсутності імовірнісних мір на множині невизначених характеристик системи обробки інформації, за цією задачею прийняття рішень розв’язано матричну гру, у якій оптимальна стратегія другого гравця використовується для комбінованого вибору методів навчання нейронної мережі, незалежно від вагомості її оцінюваних характеристик. Продемонстровано перевагу моделі оптимізації багатоетапного процесу нейромережевого навчання з функцією обмеження втрат перед класичною моделлю реалізації оптимальної стратегії, а також методом навчання, за якого досягається мінімальна відстань до точки утопії.

На примере нейросетевого исследования задачи распознавания цветных изображений рассмотрена проблема скорейшего вывода системы обработки информации на нормальный режим функционирования в условиях заранее неизвестного распределения приоритетов ее параметров. Формализована соответствующая задача принятия решений, в которой альтернативами являются методы обучения нейронной сети, а ее характеристики воспринимаются как следствия. Исходя из отсутствия вероятностных мер на множестве неопределенных параметров системы обработки информации, по этой задаче принятия решений разрешима матричная игра, в которой оптимальная стратегия второго игрока используется для комбинированного выбора методов обучения нейронной сети, независимо от весомости ее оцениваемых параметров. Продемонстрировано преимущество модели оптимизации многоэтапного процесса нейросетевого обучения с функцией ограничения потерь перед классической моделью реализации оптимальной стратегии, а также с методом обучения, при котором достигается минимальное расстояние к точке утопии.

On a pattern of neuronet investigation of the colored image recognition problem the problem of bringing the fastest information processing system to the optimal mode of functioning by conditions of preliminarily unknown distribution of priorities of its parameters is considered in the paper. There has been formalized the corresponding decision making problem, in which alternatives are methods of training the neural network, and its parameters are interpreted as aftereffects. Reasoning from absence of probability measures over the set of indeterminate parameters of the information processing system, throughout the given decision making problem there is solved a matrix game, in which the second player of optimal strategy is used for combined selection of methods of training the neural network, not depending on amount of its being estimated parameters. There has been displayed the advantage of a model of optimizing the multistage process of neuronet training with wastage constraint function in comparison to the clas-sic model of optimal strategy realization, and also to the training method, at which the minimal distance to the utopia point is reached.