ИСТИНА

В работе рассмотрены вопросы повышения эффективности использования метода аппроксимационных нейронных сетей (ИНС) для решения обратных задач (в том числе многокритериальных), сводящихся к нелинейному операторному уравнению первого рода (соответственно, к системе операторных уравнений). Метод ИНС заключается в построении приближенного обратного оператора задачи с использованием нейросетевых аппроксимационных структур (MLP-сетей) на основе предварительно построенного набора эталонных решений прямой и обратной задач. Повышение эффективности построения таких структур в работе достигается с помощью дополнительных преобразований, составляющих слои сверточной нейронной сети и заключающихся в использовании сверточных фильтров, уменьшении размерности входных данных, физическом и алгоритмическом комплексировании, и т.д. Полученные в результате этих преобразований сжатые карты признаков адаптируются к решаемой обратной задаче большой размерности, позволяют уменьшить погрешность аппроксимации обратного оператора и, как следствие, уменьшить итоговую погрешность решения полученной обратной задачи методом ИНС. Результаты применения усовершенствованного дизайна нейронной сети демонстрируются на 2D- и 3D-модели и натурных примерах.