Моделирование нейронной сети на примере персептрона в исследовании классификации объектов

Васильев Александр Владимирович

Статья посвящена вопросу моделирования нейронной сети на примере персептрона в исследовании классификации объектов. Задача исследования - классифицировать изображения определенных цветов по отличительным параметрам и скорректировать алгоритм таким образом, чтобы свести ошибочную классификацию к минимуму. Как и человеческий мозг, нейронные сети состоят из большого количества связанных элементов, которые имитируют нейроны. Глубокие нейронные сети основаны на таких алгоритмах, благодаря которым компьютеры учатся на собственном опыте, формируя в процессе обучения многоуровневые, иерархические представления о мире. Персептрон является самой примитивной нейронной сетью, имеющая две входных и одну выходную клетки. Персептроны дают возможность создавать набор «ассоциаций» между входными стимулами и нужной реакцией на выходе. В биологическом контексте это преобразование, к примеру, зрительного сообщения в физиологические действия от двигательных нейронов. Персептроны группированы как искусственные нейронные сети: с одним скрытым слоем; с пороговой передаточной функцией; с прямым распространением сигнала. Персептроны могут быть применены при решении задач бинарной классификации, когда выборка должна быть идентифицирована как принадлежащая к одному из предопределенных двух классов. В данной исследовательской работе был охарактеризован алгоритм работы персептрона, алгоритм обучения, написана коррекция алгоритма.

Ключевые слова:нейросеть, нейроны, персептроны, алгоритм, функция, модель, веса.