Построение корректного алгоритма и пространственной нейросети для задач распознавания с бинарной информацией

В работе определены условия, при выполнении которых для задач распознавания с бинарной информацией ($\Omega$-регулярные задачи) может быть построен корректный алгоритм и шестиуровневая пространственная нейросеть, воспроизводящая вычисления, осуществляемые корректным алгоритмом. Одной из отличительных особенностей сети, является использование в её внутренних слоях диагональных активационных функций АФ, заметно упрощающих промежуточные вычисления во внутреннем и внешних циклах. При этом сама сеть по $\Omega$-регулярной задаче последовательно вычисляет строки матрицы классификации для объектов контрольной выборки. Предлагаемый подход по построению нейросети не связан с традиционным подходом минимизации функционала, а основан на операторной теории, разработанной Ю. И. Журавлёвым для решения задач распознавания и классификации. Библ. 22. Фиг. 4.