РАССМОТРЕНИЕ ЭЛЕМЕНТАРНОГО ИСКУССТВЕННОГО НЕЙРОНА, ОБЛАДАЮЩЕГО ПРИНЦИПОМ ОБОГАЩЕНИЯ ВХОДНЫХ ДАННЫХ ЛИНЕЙНЫМ ОБРАЗОМ

CONSIDERATION OF AN ELEMENTARY ARTIFICIAL NEURON HAVING THE PRINCIPLE OF ENRICHING INPUT DATA IN A LINEAR MANNER

Kirill Novikov

Master's student of the Department of Design and production of radio equipment, Penza State University,

Russia, Penza

Timofey Larin

Master's student of the Department of Design and production of radio equipment, Penza State University,

Russia, Penza

Nikita Koshelev

Master's student of the Department of Design and production of radio equipment, Penza State University,

Russia, Penza

Alexander Tsuprik

Master's student of the Department of Design and production of radio equipment, Penza State University,

Russia, Penza

Alexey Lysenko

Scientific supervisor, Candidate of Technical Sciences, Associate Professor of the Department of Design and Production of Radio Equipment, Penza State University,

Russia, Penza

АННОТАЦИЯ

Целью статьи является рассмотрение работы искусственного нейрона, обладающего принципом обогащения входных данных линейным образом, а также предложении концепции его модернизации путем добавления квантователя.

ABSTRACT

The purpose of the article is to consider the work of an artificial neuron with the principle of enriching input data in a linear manner, as well as to propose the concept of its modernization by adding a quantizer.

Ключевые слова: персептрон, нейронная сеть, квантователь, высокоинформативный параметр.

Keywords: perceptron, neural network, quantizer, highly informative parameter.

Для дальнейшего рассмотрение стоит отметить тот факт, что биометрические и эконометрические данные имеют разную информативность параметров. Наличие в исследование нескольких высокоинформативных параметров сильно упрощает задачу, но такие ситуации не просто крайне редки, а практически невозможны в реальной жизни. Даже те методики, которые используются при обработке массивов данных с целью изменения размерности, формата и типа исходного материала редко, когда смогу сформировать хоть один высокоинформативный параметров. О группе связанных высокоинформативных параметров говорить, так же не приходится. Если мы обратимся к низкоинформатиными параметрам, которые составляют подавляющие большинство действительно встречающихся в реальной жизни параметров, то они сложны в обработке и требует к себе особого отношения.

Таким образом, для того, чтобы повысить точность любой искусственной нейронной сети, составной частью, которой являются искусственные нейроны, нам следует использовать их разновидность персептроны, которые обладают рядом замечательных свойств. Персептрон есть не что иное, как суммирующий разрозненные и незначительные входные данные нейрон. Вы можете увидеть его схематическое изображение на рисунке 1.

Рисунок 1. Схема персептрона без квантователя

Целью нашей работы является обоснование необходимости использования квантователя, как незаменимой части нейрона, обладающего принципом обогащения входных данных линейным образом.

Ядром любого искусственного нейрона является функция активации, которая в зависимости от весов континуальных параметров, которые в нее приходят, изменяет и возвращает определённое дискретное значение, в частности «1» или «0»:

                                                       (1)

Преимущество представленной модели заключается в том, что оперируя значениями весов параметров в сумматоре и настраивая порог квантователя возможно добиться ситуация, когда персептрон будет способен разделять два линейно разделимых класса. На рисунке 2 вы можете увидеть схематическую модель персептрона с квантователем.

Рисунок 2. Схема персептрона с квантователем

Мы выбрали количество входов в нейрон произвольно, в практической деятельности стоит оперировать к тому, что количество входов должно обеспечивать необходимый поток данных, способный поддерживать требуемый уровень информативности при суммировании весовых коэффициентов. Особенно хорошо показывает себя эта модель в ситуации с биометрическими данными. [1, 2]

Нами была представлена возможная реализация персептрона с входящим в него квантователем, который при правильной настройке повысит точность отклика, как отдельного искусственного нейрона, так и нейронной сети, в общем.

Список литературы:

1. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. С. 1104.
2. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПБ. : Питер, 2018. 480 с.