• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Статья

Обучение классификаторов с архитектурой нейронных сетей резервуарного компьютинга

Крылов В. В., Крылов С. В.

Резервуарный компьютинг (от англ.Reservoir Computing) привлекает внимание разработчиков обучаемых нейроструктур  простотой алгоритмов обучения при высоком уровне генерализации получаемых моделей и  реализуется в различных архитектурах, в том числе в рекуррентных нейронных сетях с произвольными нерегулярными связями, получивших название Echo  State Network (ESN). Однако, несмотря на удачные примеры предсказания хаотических последовательностей, в решении таких практических задач как классификация объектов по многим признакам, успешных реализаций немного. В работе исследуются бинарные классификаторы на ESN и показано, что несбалансированность классов при обучении является ключевой причиной низкой точности классификации. Предлагается использовать рандомизированный алгоритм балансировки обучающего набора данных в совокупности с простым методом темпорализации обучающих данных, что приводит к получению хороших матриц ошибок. Метод изучается и иллюстрируется на синтетическом наборе данных и демонстрирует возможности классификатора на ESN для детектирования редких событий на примере классического набора данных по обнаружению мошенничества по набору признаков транзакций по кредитным картам.