Сравнение методов обучения нейронных сетей в задаче классификации
На основе анализа серий искусственных нейронных сетей прямого распространения разработан метод определения оптимальной архитектуры нейронной сети для задачи классификации штаммов цианобактерий по спектрам собственной флуоресценции. Проведен анализ шести градиентных методов обучения нейронных сетей и их параметров, найдено оптимальное число нейронов на скрытом слое для нейронных сетей, обученных каждым из методов, проведена оценка различных методов инициализации весовых коэффициентов нейронов и способов разбиения исходной выборки на обучающую, тестовую и контрольную. Выбор оптимальной архитектуры проводился на основе результатов классификации, а именно, на основе графиков точности классификации и ошибки классификации. Исследование проводилось на примере распознавания 16 классов, представляющих собой 16 штаммов цианобактерий. Был выявлен ряд недостатков в методике тестирования нейронных сетей прямого распространения и определены направления дополнительных исследований классифицирующих нейронных сетей в части расширения методики тестирования их внутренней логики.
Авторы: А. С. Перков, Т. Р. Жангиров, А. А. Лисс , Н. Ю. Григорьева, Л. В. Чистякова
Направление: Информатика, вычислительная техника и управление
Ключевые слова: Нейронные сети, методы обучения, машинное обучение, задачи классификации, методы инициализации
Открыть полный текст статьи