Аналіз обчислювального процесу в нейромережевому класифікаторі

Abstract

Використання нейромережевих технологій при створенні експертних систем показало їх перспективність для медичного діагностування захворювань при значній кількості симптомів. Базова модель нейромережевого класифікатора зумовила використання дискримінантного аналізу для процесу класифікації. В роботі розглянуто вдосконалений варіант класифікатора на базі нейромережі Хеммінга. Вдосконалення стосується усунення одного зі зворотних латеральних зв’язків у кожного нейроподібного елемента останнього шару нейромережі. Це призвело до спрощення структури класифікатора. Імітаційне моделювання класифікаційного процесу проводилось на прикладах з медичного діагностування. Воно показало проскорення процесу класифікації майже у 2 рази у порівнянні з класичним варіантом цього процесуИспользование нейросетевых технологий при создании экспертных систем показало их перспективность для медицинского диагностирования заболеваний при значительном количестве симптомов. Базовая модель нейросетевого классификатора обусловила приминение дискриминантного анализа для процесса классификации. В работе рассмотрен усовершенствованный вариант классификатора на базе нейросети Хэмминга. Усовершенствование касается устранения одного из обратных латеральных связей у каждого нейроподобного элемента последнего слоя нейросети. Это привело к упрощению структуры классификатора. Имитационное моделирование классификационного процесса проводилось на примерах из медицинского диагностирования. Оно показало ускорение процесса классификации почти в 2 раза по сравнению с классическим вариантом этого процессаThe use of neural network technologies in the creation of expert systems has shown their promise for medical diagnosis of diseases with a significant number of symptoms. The basic model of the neural network classifier has led to the use of discriminant analysis for the classification process. The paper considers the advanced version of the classifier based on Hamming's neural network. Improvement relates to the elimination of one of the reverse lateral bonds in each neural-like element of the last layer of the neural network. This led to a simplification of the classifier's structure. Simulation modeling of the classification process was carried out on examples of medical diagnosis. It showed an acceleration of the classification process by almost 2 times compared with the classic version of this process.