Разработка стабильно-пластичных нейронных сетей на основе перцептрона

Abstract

Решена задача дообучения классических нейронных сетей на основе перцептрона без потерь запомненной ранее информации. Объектом исследования являются процессы распознавания и классификации образов в системах, построенных на основе искусственных нейронных сетей. Предметом исследования являются архитектуры и алгоритмы функционирования искусственных нейронных сетей. Цель работы: разработка стабильно-пластичных нейронных сетей на основе перцептрона. Разработана нейросетевая архитектура и алгоритмы функционирования стабильно-пластичной нейронной сети на основе трехслойного перцептрона, который может дообучаться в процессе функционирования. Новые сети могут стать альтернативой дискретным нейронным сетям адаптивной резонансной теории. Разработанный подход по дообучению может быть обобщен и на другие нейронные сети.

The problem of additional training classical neural networks based perceptron with lossless previously stored information is solved. The object of research is the process recognition and classification of images in systems, based on artificial neural networks. The subject of the study are architecture and algorithms of artificial neural networks. Objective: to develop stable-plastic neural networks based perceptron. A neural network architecture and algorithms of stable-plastic neural network, based on a three-layer perceptron, which can additional be training in the operation, are developed. New networks can be an alternative to discrete neural networks of adaptive resonance theory. Designed uplearning approach can be generalized to other neural networks.