Моделювання імпульсної нейронної мережі у задачі розпізнавання багатовимірних імпульсних послідовностей

Abstract

Розглянуто задачу розпізнавання багатовимірних імпульсних послідовностей та можливі шляхи її вирішення. Для розв’язання задачі використано імпульсну нейронну мережу з імпульсних (або LIF—Leaky Integrate-and-Fire) нейронів з зворотними зв’язками. Промодельовано роботу системи для розпізнавання 10 шаблонів імпульсних послідовностей. Для визначення кращого алгоритму за критерієм достовірності та значенням помилки розпізнавання для навчання мережі використано алгоритми зворотного розповсюдження та лінійної класифікації. Аналіз результатів дав підставу стверджувати, що кращим алгоритмом навчання є алгоритм лінійної класифікації.

Рассмотрена задача распознавания многомерных импульсных последовательностей и возможные пути ее решения. Для решения задачи распознавания использована импульсная нейронная сеть из импульсных (или LIF — Leaky Integrate-and-Fire) нейронов с обратными связями. Промоделирована работа системы для распознавания 10 шаблонов импульсных последовательностей. Для определения лучшего алгоритма по критерию достоверности и значению ошибки распознавания для обучения сети использованы алгоритмы обратного распространения и линейной классификации. Проведенный анализ результатов дал основания утверждать, что лучшим алгоритмом обучения есть алгоритм линейной классификации.

Problem of multidimensional pulse series recognition and possible ways of its solving were considered. For recognition problem solving pulsed neuron network, consisted of pulsed (or LIF — Leaky Integrate-and-Fire) neuron with recurrent connections was used. To determine the best algorithm by the criterion of validity and the error value, back propagation and linear classification algorithms were used for the network training. Analysis of the results testifies that the best algorithm is the linear classification one.