многослойный сигмоидальный персептрон . . . . . . . . . . . . . . . . . . . . .
0,795455
однослойный тангенциальный персептрон . . . . . . . . . . . . . . . . . . . . .
0,704545
однослойный сигмоидальный персептрон . . . . . . . . . . . . . . . . . . . . . .
0,613636
вероятностная . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0,590909
Результаты также подтверждают предположение о том, что для
процедуры обратного распространения в качестве активационной
функции желательнее использовать гиперболический тангенс, а не
сигмоиду.
Замеры времени обучения и классификации проводились на ком-
пьютере с процессором Intel Solo, тактовой частотой 1,4 ГГц, 512 МБ
ОЗУ. Для сравнения результаты затрачиваемого времени приведены в
табл. 2.
Таблица 2
Время обучения и классификации в нейросетях
Сеть
Время обучения на
выборке из 500
векторов, с
Время классификации
одного вектора, c
Встречного распространения
0,078
0,002062
Однослойный сигмоидальный
персептрон
9,532
0,001937
Однослойный тангенциальный
персептрон
1,719
0,001953
Многослойный сигмоидальный
персептрон
6976,812
0,003797
Многослойный тангенциальный
персептрон, конфигурация
1744,265
0,003672
Вероятностная сеть
0,015
0,002031
Неокогнитрон
1093,043
0,015700
Устойчивость работы ИНС зависит от внешних факторов воздей-
ствия на изображение ГРЗ. Для определения оптимального типа ИНС
(
согласно поставленной задаче) необходимо выделить основные фак-
торы. Во всех случаях входными данными для ИНС является изо-
бражение ГРЗ, следовательно, на качество изображения влияют такие
факторы, как зашумление изображения, его масштабирование, сдвиг
и поворот изображения.
На основе разработанных алгоритмов реализации различных типов
ИНС рассмотрим влияние данных факторов на устойчивость работы
ИНС.
Для изучения устойчивости нейросетей к зашумленности входного
изображения используются случайные помехи, искусственно внесен-
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
197
