ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
129
В работе [17] рассмотрена проблема распознавания символов
многослойным персептроном. Причинами ошибочной работы НС в
процессе распознавания являются недостаточная или, напротив,
чрезмерная обученность НС, слишком высокий уровень шума во
входных данных или подача на входы НС образа, эталон которого
отсутствовал в обучающей выборке. Там же предложен критерий,
используя который можно выявить ошибку при распознавании или
низкую степень уверенности НС.
Остановимся подробнее на проблеме обучения сети. При высокой
степени обученности сети теряется одно из важнейших ее свойств:
способность к обобщению. Так, сеть просто «запомнит» эталонные
образы. В этом случае при незначительном отличии распознаваемого
образа от оригинала сеть не будет уверена в своем решении. Если же
сеть, наоборот, недостаточно обучена, то она может оказаться неспо-
собной различить два полностью несовпадающих эталона.
Рассмотрим работу трехслойного персептрона применительно к
задаче машинного творчества. ИНС обучается повторять на своих
выходах входной сигнал, причем на входы сети подаются изображе-
ния символов размером 32 на 32 пикселя. Число нейронов во вход-
ном и выходном слоях равно 1 024 (32×32). Эталонное множество
состоит из символов русского алфавита. При подаче на входы ИНС
эталонного образа на выходе получают образ, незначительно отли-
чающийся от входного (рис. 2). Очень важно не «переобучить» сеть.
Рис. 2. Результаты использования натренированной на символах рус-
ского алфавита ИНС применительно к неизвестным ей символам ла-
тинского алфавита и спецсимволам
После обучения на вход НС подается изображение неизвестного
ей символа (например, цифры или символа латинского алфавита).
Выполняя функцию обобщения, НС пытается классифицировать но-
вое изображения к одному из известных эталонов. В первом случае,