Стр. 11 - Д.Н. Кангин, А.В. Куров - ОПТИМИЗАЦИЯ ПАРАМЕТРОВ НЕЙРОННОЙ СЕТИ НЕОКОГНИТРОН ДЛЯ РАСПОЗНАВАНИЯ СИМВОЛОВ ГОСУДАРСТВЕННЫХ РЕГИСТРАЦИОННЫХ ЗНАКОВ

Согласно формулам (10) и (11) осуществляется смещение связей на
половину элемента, для чего требуется изменение четности между
слоями.
Слой
U
S
1
имеет размерности, получаемые согласно формулам:
U
SX
1
=
U
GX
+ 1
− b
A
SX
1
2
c −
(
b
A
SX
1
2
c
mod 2);
(12)
U
SY
1
=
U
GY
+ 1
− b
A
SY
1
2
c −
(
b
A
SY
1
2
c
mod 2)
.
(13)
В формулах (12), (13) учитывается смещение связей на половину
элемента.
Размерности слоя
U
S
4
вычисляются согласно формулам
U
SX
4
=
U
CX
3
+
A
SX
4
;
U
SY
4
=
U
CY
3
+
A
SY
4
.
Размерности слоя
U
C
4
постоянны:
U
CX
4
=
U
CY
4
= 1
.
Определение размерности экспериментальной выборки.
Раз-
мерность экспериментальной выборки установлена согласно цен-
тральной предельной теореме (ЦПТ), которая устанавливает, что сум-
ма
n
независимых событий, имеющих одинаковое статистическое
распределение, сходится к нормальному распределению при
n
−→ ∞
.
ЦПТ можно считать справедливой, тогда
8
u
i
0
:
E u
i
0
=
μ, D u
i
0
=
σ
2
=
> E
"
n
X
i
=0
u
i
0
#
=
μ, D
"
n
X
i
=0
u
i
0
#
=
σ
2
/
n.
Далее можно определить размерность выборки.
В результате обработки символов тестовой и обучающей выборки
получен ряд результатов, показывающий возможность применения ме-
тодов, описанных выше. Тестовая и обучающая выборка содержат по
5 000
символов каждая. Анализируемые объекты представляют собой
изображения различных размеров до
14
×
17
пикселей, содержащие
собой буквы и цифры ГРЗ Российской Федерации.
Доля верно распознанных событий может различаться в зависимо-
сти от способа формирования тестовой выборки. На тестовой выборке
результат составляет 97 % верно распознанных символов, на обучаю-
щей — 100 %. Примеры обучающей и тестовой выборки приведены на
рис. 2.
238
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012