Модели нейронных и нейро-нечетких сетевых критериев сравнения в задачах диагностики и классификации образов. Предложен комплекс критериев для оценки свойств искусственных нейронных и нейро-нечетких сетей. Он включает в себя критерии разнообразия, подгонки, эластичности, равнозначности, устойчивости к шуму, аварийной ситуации, а также заданную монотонность для построения нейронной модели. Применение предложенных критериев на практике позволяет автоматизировать процесс построения, анализа и сравнения нейронных моделей для решения задач диагностики и классификации паттернов. Предложено решение задачи повышения эффективности параметрического синтеза нейросетевых моделей сложных систем для обоснованного принятия решений о классификации подводных целей. Научная новизна работы заключается в том, что впервые предложен комплекс моделей критериев, характеризующих такие свойства нейронных и нейро-нечетких сетей как разнообразие, переобученность, эластичность, эквифинальность, устойчивость к шуму, эмерджентность, что позволяет автоматизировать решение задачи анализа свойств и сравнения нейросетевых и нейро-нечетких моделей при решении задач диагностики и классификации образов. В работе решена актуальная задача автоматизации анализа свойств и сравнения нейросетевых моделей.
Models of neural and neuro-fuzzy network comparison criterions in the tasks of diagnostics and pattern classification. The complex of criterions for an estimation of properties artificial neural and neuro-fuzzy networks is proposed. It includes criterions of variety, overfitting, elasticity, equifinality, stability to a noise, emergency, and also set monotonicity for a neural model construction. The application of offered criterions in practice allows to automatize the process of a construction, analysis and comparison of neural models for problem solving of diagnostics and patternt classification. The solution of the problem of increasing the efficiency of parametric synthesis of neural network models of complex systems for informed decision-making on the classification of underwater targets is proposed. The scientific novelty of the work lies in the fact that for the first time a set of models of criteria characterizing such properties of neural and neuro-fuzzy networks as diversity, retraining, elasticity, equifinality, noise resistance, emergence is proposed, which allows automating the solution of the problem of analyzing the properties and comparing neural network and neuro-fuzzy models when solving problems of diagnostics and classification of images. The paper solves the actual problem of automating the analysis of properties and comparison of neural network models.
A Framework of A Ship Domain-Based Near-Miss Detection Method Using Mamdani Neuro-Fuzzy Classification
