Аннотация:Создана новая программная реализация алгоритма адаптивного построения иерархических нейросетевых классификаторов на основе последовательной автоматической модификации желаемого ответа многослойного персептрона с небольшим количеством нейронов в единственном скрытом слое. Полученная программная реализация обладает необходимыми средствами для исследования, усовершенствования и отладки модифицированного алгоритма.
Показано, что получаемая в результате работы алгоритма иерархическая структура обладает заметно более высоким качеством получаемого классификатора по сравнению с рядом других нелинейных классификаторов. Так же было показано уменьшение времени обучения и вычислительных затрат по сравнению с решением той же задачи при помощи одиночного многослойного персептрона без использования
иерархического подхода. Преимущества увеличиваются при увеличении количества
распознаваемых классов.
При тестировании алгоритма и его новой программной реализации на известных
задачах получены следующие результаты на экзаменационном наборе данных: процент правильных распознаваний для задачи «Кантор» - 100%, для задачи «Текстуры» - 99.8%, для задачи «Гласные» - 59.82%. Для задач «Кантор» и «Текстуры» одиночные МСП обладают таким же качеством классификации; для задачи «Гласные» лучший из построенных МСП классифицирует объекты из экзаменационного набора на 6 процентных пунктов хуже, чем нейросетевое дерево, построенное по алгоритму ИНК.
Был произведен начальный анализ влияния порога объединения на качество получаемого классификатора: для достижения максимума правильной классификации
данных был выведен диапазон допустимых значений: 0.16 − 0.26.