18 / 320
16
дополнительные нейроны, если исходная нейросеть не способна
обеспечить решение задачи с нужной точностью, или из нейросети могут
быть исключены лишние нейроны и связи между ними, если исходная
нейросеть избыточна для решения задачи. Нейросеть может сама выделить
наиболее информативные для задачи входные сигналы, отбросить
неинформативные, шумовые сигналы и в итоге повысить надежность
решения. При этом нейронная сеть учитывает («помнит») ранее
сформированные навыки, ускоряя, таким образом, свое дообучение.
Применение модели черного ящика к ИНС позволяет подчеркнуть
особенности и преимущества нейросетевого подхода. Если механизм
работы системы обработки цифровых рядов неважен конечному
пользователю, то зависимость результатов от входных данных, как
правило, известна. Концепция чёрного ящика при этом может
использоваться, чтобы не отвлекаться на внутреннее устройство модели.
Однако такой подход может дать ошибку при использовании системы на
пределе ее возможностей. Вместе с тем минимальные знания о структуре
системы позволяют использовать инструмент ИНС с высокой
эффективностью. Приведем несколько примеров механизмов, которым
может удовлетворять нейросетевой инструмент.
Во-первых, это фильтр, обеспечивающий пропуск в систему только
сигналов с заданными параметрами. Он способен определять параметры
сигналов, поступающих на вход системы, определять степень их
соответствия заданным параметрам и закрывать доступ в систему
сигналам, параметры которых не соответствуют заданным.
Во-вторых, сепаратор для определения индивидуальных признаков
свойств сигналов и классификации сигналов по однородным признакам и
свойствам. Он способен отделять несущественные признаки и свойства
от существенных, присущих только данному сигналу.
В-третьих, дифференциал для разделения сигналов по признакам и
распределение их в системе в соответствии с её потребностями. Такая
система способна разделять сигналы по свойствам и распределять их
в системе в соответствии с заданным алгоритмом.
В-четвертых, трансформатор, способный изменять свойства
поступивших сигналов в заданные свойства. Его основные функции:
изменение старых свойств, качественных и количественных параметров
сигналов в новые свойства с заданными количественными и
качественными параметрами.