ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
128
В соответствии с представленным рисунком объект распознается
первичным распознавателем с некоторой ошибкой. В результате это-
го формируется ошибочный образ (его наличие обусловливается не-
полнотой информации об объекте или несовершенством распознава-
теля). Ошибочный образ далее интерпретируется как самостоятель-
ный объект реального мира и при помощи комбинации вторичных
распознавателей формирует на выходе новый образ, полученный
комбинацией образов от каждого вторичного распознавателя, причем
эти образы создаются на основе распознавания образа на выходе пер-
вичного распознавателя. Таким образом первичный образ дополняет-
ся до некоторого цельного образа, который может одновременно
принадлежать нескольким группам (это относится к задачам нечет-
кой кластеризации [14]).
Постановка задачи и интерпретация ошибок.
Оригинальным
будем называть тот образ
I
нов
,
полученный в результате исполнения
описанной выше процедуры, минимальное расстояние от которого
d
min
до другого реально существующего образа
I
i
определенной груп-
пы (число образов в ней равно
n
)
в некотором метрическом про-
странстве превосходит на величину максимального расстояния
d
max
между двумя образами
I
i
и
I
j
,
принадлежащими одной группе. Итак,
образ считается оригинальным, если:
min нов
max
( , )
( , ),
1: ;
1: ;
1: .
i
j k
d I
I
d I I i
n j
n k n
>
=
=
=
(1)
Очевидно, что формула (1) является геометрической интерпрета-
цией задачи поиска выбросов. Задача поиска выбросов, заключающе-
гося в нахождении таких точек данных, которые больше всего отли-
чаются от уже сгруппированных по некоторому признаку в классы и
кластеры. Проблемной точкой этого простого подхода является
определение функции
d
–
степени отличия образов. В геометриче-
ской интерпретации функцию можно принять за расстояние. Но в це-
лом эта функция зависит от рассматриваемой проблемы и механизма
ее решения. Рассмотрим функцию
d
на примере нейросетей (НС).
Также приведем основу нового подхода к машинному творчеству с
применением математической теории хаоса [15].
Концепция искусственных нейронных сетей (ИНС) была разра-
ботана на основе принципов функционирования головного мозга че-
ловека (с позиции нейрофизиологии). К общим чертам ИНС и НС го-
ловного мозга человека можно отнести способность к обобщению,
обучаемость, способность корректно обрабатывать информацию при
ее высокой зашумленности и др. [16]. Обладающие подобными свой-
ствами нейросетевые алгоритмы можно использовать в задачах, свя-
занных с проблемой машинного творчества.