Структурні особливості нейроподібного класифікатора об’єктів

Abstract

Класифікація об’єктів різного призначення є найбільш задіяною процедурою в області розпізнавання образів. Особливо ефективним є застосування процедури класифікації при медичному діагностуванні, де вхідними ознаками є біомедичні симптоми, а вихідними даними є діагноз захворювання. У випадку, коли використовуються статистичні методи опису об’єктів, добре себе зарекомендував дискримінантний аналіз, зокрема, на базі лінійних дискримінантних функцій. З іншого боку, значну зацікавленість представляють методи класифікації із застосуванням нейротехнологій.

В цій роботі наводиться аналіз структурних особливостей нейроподібного класифікатора об’єктів із застосуванням в процесі класифікації дискримінантних функцій. За базову модель прийнято мапу Кохонена SOFM, яка має двовимірну організацію і визначає метричні та топологічні залежності вхідних сигналів. В роботі також розглядається альтернативний підхід до кількісної міри близькості як критерію класифікації. Застосовано підхід, в якому не виконується формування лінійних дискримінантних функцій та їх попарного порівняння, що дозволяє не «вирощувати» лінійні дискримінантні функції, а обробляти на рівні їх доданків з поступовим обнуленням до моменту, коли залишиться одна ненульова лінійна дискримінантна функція. В цьому випадку існує можливість сформувати ранги входження об’єкта до визначених класів.

Запропоновано двовимірну структуру нейроподібного класифікатора, базовим вузлом якого є матричний обчислювач (максимізатор). Він реалізований у вигляді двох мап – двовимірної обчислювальної мапи та одновимірної мапи ознак. Нейроподібність структури запропонованого класифікатора зумовлена тим, що для формування обчислювальної мапи застосовуються три основні процеси самоорганізації, а саме, конкуренція, кооперація і синаптична адаптація. В роботі наведено таблицю з порівняльною характеристикою мапи Кохонена та запропонованого матричного обчислювача у складі нейроподібного класифікатора.