Робастная нейронная сеть с простой архитектурой

Рассматривается задача классификации и применение нейронных сетей простой архитектуры для её решения. Предлагается модификация алгоритма обратного распространения ошибки, который используется для обучения нейронной сети. Доказано утверждение, которое позволяет построить предложенную модификацию, используя робастную функцию потерь Хьюбера. С целью исследования свойств полученной нейронной сети был проведён ряд вычислительных экспериментов при различном количестве засоряющих наблюдений в выборке, уровне шума, различных объёмах обучающей и тестовой выборок и значениях параметра функции Хьюбера. Анализ результатов показал, что предложенная модификация способна значительно увеличить точность классификации при работе с зашумлёнными данными, а также скорость обучения нейронной сети.