Молчанова, М.О.Molchanova, M.O.2015-08-232015-08-232014Критерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв'язання задачі розпізнавання 2d об'єктів з великою кількістю бінарних ознак [Текст] / М. О. Молчанова // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2014. – № 4. – С. 98-105.https://elar.khmnu.edu.ua/handle/123456789/4159Досліджується розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Ставиться задача сформулювати критерії ефективності та застосувати їх для визначення оптимального класифікатора у вирішенні задачі розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Для цього виконується порівняльний аналіз двох альтернативних нейронних мереж – двошарового персептрону та когнітрону. На основі виконаного порівняльного аналізу формулюються наступні критерії: час навчання нейронної мережі; відсоток коректного розпізнавання "чистих" образів; відсоток коректного розпізнавання “зашумлених" образів; відсоток коректного розпізнавання зображень з поворотом. Застосувавши цей набір критеріїв, персептрон виявився оптимальним класифікатором за трьома критеріями, окрім критерію “час навчання нейронної мережі” за умов його навчання на репрезентативній вибірці генеральної сукупності.There is considered a 2D objects recognition problem with a great deal of binary features. The problem is to formulate efficiency criteria and to apply them for determining the optimal classifier in solving the recognition problem of 2D objects with a great deal of binary features. For fulfilling this, comparative analysis is done for two alternative neural networks twolayer perceptron and cognitron. Based on the fulfilled comparative analysis, the following criteria are formulated: neural network traintime; percentage of correct recognition of "clean" images; percentage of correct recognition of "noisy" images, percentage of correct recognition of rotated images. Having applied the set of criteria, the perceptron appears optimal classifier by three criteria except the criterion "neural network traintime" under conditions of training it on representative sample of the general totality.ukнейронна мережакогнітронперсептронрозпізнавання образівneural networkcognitronperceptronimage recognitionКритерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв’язання задачі розпізнавання 2d об’єктів з великою кількістю бінарних ознакCriteria and estimates of efficiency of cognitron and two-layer perceptron with nonlinear activation functions for solving the recognition problem of 2d objects with a great deal of binary featuresСтаття004.8