Аннотация:
В работе рассматривается возможность применения сверточных искусственных нейронных сетей для решения задачи идентификации типа зависимости в наборах данных. Для обучения сверточной нейронной сети использовались обучающие выборки, состоящие из графиков функций. В качестве базового набора функций для обучения искусственной нейронной сети были выбраны 6 функций, ключевым свойством которых является линеаризуемость. Сверточная нейронная сеть применялась для определения типа зависимостей в наборах данных, полученных из международной базы данных MNIST, предназначенной для тестирования статистического программного обеспечения. Приведен анализ результатов применения сверточной нейронной сети к наборам данных из базы данных MNIST, делается вывод о принципиальной возможности применения данного подхода для визуального корреляционного анализа данных и, как следствие, возможности идентификации типа зависимости по графическому образу представления данных.
работа выполнена в рамках государственного задания ФГУ ФНЦ НИИСИ РАН (Выполнение фундаментальных научных исследований ГП 47) по теме №0580-2021-0007 «Развитие методов математического моделирования распределенных систем и соответствующих методов вычисления»
Тип публикации:
Статья
Образец цитирования:
А. Д. Смородинов, Т. В. Гавриленко, А. А. Рассадин, “Исследование применимости сверточных нейронных сетей для задачи идентификации типа зависимости в наборах данных”, Успехи кибернетики, 4:3 (2023), 47–54
\RBibitem{SmoGavRas23}
\by А.~Д.~Смородинов, Т.~В.~Гавриленко, А.~А.~Рассадин
\paper Исследование применимости сверточных нейронных сетей для задачи идентификации типа зависимости в наборах данных
\jour Успехи кибернетики
\yr 2023
\vol 4
\issue 3
\pages 47--54
\mathnet{http://mi.mathnet.ru/uk122}
\crossref{https://doi.org/10.51790/2712-9942-2023-4-3-05}