Розробка штучної нейронної мережі з можливістю донавчання, зберігання й відновлення зі своєї пам'яті множин асоціативних зображень

Abstract

Створено нову багатонаправлену штучну нейронну мережу, яка може використовуватися у автоматизованих системах керування для управління складними технічними об'єктами. Описано структуру та принципи функціонування розробленої штучної нейронної мережі. Архітектура мережі заснована на перебудові багатонаправленої нейромережевої пам’яті через інтеграцію в його структуру N модулів, заснованих на дискретних нейронних мережах адаптивної резонансної теорії та проміжного шару нейронів, в якому елементи зв'язані парами двонаправлених зважених зв'язків, що містить відповіді елементи розпізнавальних шарів N одноакових модулів, які функціонують паралельно, причому кожний модуль є дискретною нейронною мережею АРТ-1У. Кожен модуль складається з шарів інтерфейсних елементів, нейронні структури яких пов'язані з відповідними сенсорними елементами через бінарні двонаправлені зв'язки, організовані у пари. Модулі також мають розпізнавальні шари елементів, нейрони яких встановлюють зв'язок з відповідними їм інтерфейсними шарами через пари двонаправлених зважених зв'язків з безперервними ваговими коефіцієнтами. У складі модулів також присутні вирішуючі нейрони, які зв'язані гальмуючими й збудливими зв'язками з усіма елементами інтерфейсних, розпізнавальних та сенсорних шарів. Крім того, є керуючі нейрони, які також зв'язані гальмуючими й збудливими зв'язками з усіма елементами шарів (сенсорних, інтерфейсних й розпізнавальних) та додатково, вони зв'язані з керуючими нейронами, які мають зв'язки зі всіма нейронами в проміжному шарі елементів нейронної мережі.. Підтверджено, що додаванням перерахованих вище елементів в структуру нової штучної нейронної мережі досягається можливість роботи пристрою багатонаправленої нейромережевої пам’яті з асоціативними зображеннями та можливістю донавчання в процесі функціонування. Проведено порівняльний аналіз з існуючою мережею для розпізнавання образів. Зазначені переваги та недоліки багатонаправленої нейромережевої пам’яті. Визначені удосконалені алгоритми розпізнавання й класифікації образів, завдяки яким багатонаправлена нейромережева пам’ять здатна донавчатися під час своєї роботи, а також зберігати та відтворювати множини асоціативних зображень зі своєї пам’яті.A new multidirectional artificial neural network has been created that can be used in automated control systems to control complex technical objects. The structure and principles of functioning of the developed artificial neural network are described. The architecture of the network is based on the restructuring of the multidirectional neural network memory by introducing into its structure N modules based on discrete neural networks of adaptive resonance theory and an intermediate layer of neurons, the elements of which are connected by pairs of bidirectional weighted connections with the corresponding elements of the recognition layers of N similar parallel operating modules, each of which is a discrete neural network ART-1U. Each of the modules contains layers of interface elements, whose neurons are connected to the corresponding elements of the sensory layers by pairs of binary bidirectional connections. The modules also contain recognition layers of elements, whose neurons are connected to each of the elements in their respective interface layers by pairs of bidirectional weighted connections with continuous weighting coefficients. The modules also include deciding neurons connected by excitatory and inhibitory connections to all elements of the sensory, interface, and recognition layers, and control neurons connected by excitatory and inhibitory connections to all elements of the sensory, interface, and recognition layers, as well as to the corresponding control neurons, which in turn are connected to all neurons in the intermediate layer of neural network elements. It is confirmed that the addition of the above elements to the structure of the new artificial neural network makes it possible to operate a multidirectional neural network memory device with associative images and to retrain it in the process of its functioning. A comparative analysis with the existing network for pattern recognition is carried out. The advantages and disadvantages of multidirectional neural network memory are noted. Improved algorithms for image recognition and classification are defined, thanks to which the multidirectional neural network memory is able to retrain during its operation, as well as to store and reproduce sets of associative images from its memory.