High­Dimensional Neural­Network Artificial Intelligence Capable of Quick Learning to Recognize a New Smell, and Gradually Expanding the Database

P. 332–335.

Кулагин В. П., Кузнецов Ю. М., Чулкова Г. М., Ivanov A. I., Ivannikov A. D.

Показано, что классические квадратичные формы не способны решать задачи распознавания образов большой размерности. «Глубокие» нейронные сети Галушкина-Хинтона  могут решать высокоразмерные задачи распознавания образов, однако их обучение имеет экспоненциальную вычислительную сложность. Оперативно обучать и переобучать «глубокие» нейронные сети технически невозможно. Для мобильных систем «искусственный нос» предложено использовать множество «широких» нейронных сетей, обучаемых по ГОСТ Р 52633.5-2011. Этот стандартизованный алгоритм обучения имеет линейную вычислительную сложность, то есть за время порядка 0.3 секунды под каждый новый образ запаха можно создавать и обучать новую нейронную сеть  с 2024 входами и 256 выходами. Появляется возможность оперативного обучения искусственного интеллекта «искусственного носа» и постепенного развертывания его базы знаний, состоящей из 10 000 и более обученных искусственных нейронных сетей. При такой размерности базы знаний возникает задача организации быстрого поиска близких к предъявленному для идентификации образу запаха. Предложено ускорить поиск, опираясь на сильные ассоциативные связи проверяемой в текущий момент нейронной сети с нужной нейронной сетью идентифицируемого запаха.

Ключевые слова: распознавание образов, искусственные нейронные сети, электронный нос, Recognizing Highdimensional Images, Exponential Computational Complexity, Mobile "Artificial Nose" Systems, Architecture of Neuron Networks

В книге

2016 Third International Conference on Digital Information Processing, Data Mining, and Wireless Communications (DIPDMWC)

M.: IEEE, 2016.