Background Image
Table of Contents Table of Contents
Previous Page  199 / 320 Next Page
Information
Show Menu
Previous Page 199 / 320 Next Page
Page Background

197

заметно на ночной стороне. Этот процесс инициируется поворотом

Bz-компоненты ММП на юг. Используемый в исследовании инструмент

UVI предоставляет графические данные по результатам обработки всей

северной полярной области с визуальным выделением аврорального овала.

В связи с этим авторы выбрали наиболее мощную систему

кибернетического зрения – Pulse-Coupled Neural Network (PCNN). Это

специальная, т.н. «импульсная», нейронная сеть для обработки

изображений, применяющая классификационные алгоритмы. Подобные

ИНС являются мощными инструментальными средствами выделения

текстуры, сегментов и границ изображений. Поскольку эти атрибуты

формируют

основу

большинства

задач

обработки

графики,

то использование PCNN может значительно облегчить проблему

распознавания объектов на изображениях. Именно эти ключевые свойства

PCNN используют авторы для оцифровки данных с UVI и получения

линейных графиков зависимостей положения северной и южной границы

аврорального овала от времени. Сравнение этих графиков с результатами

мониторинга околоземного космического пространства по данным КА

WIND позволило оценить магнитосферную реакцию во время суббури.

Подводя итог представленного обзора математических нейросетевых

моделей, следует отметить универсальность рассматриваемых технологий

и высокие показатели качества разрабатываемых алгоритмов. В настоящее

время могут быть построены нейросети для решения таких задач, которые

являются трудными как для компьютеров, построенных по традиционной

схеме, так и для человека. Широкое применение нейронных сетей,

значительные ресурсы, вкладываемые в создание программного

обеспечения и аппаратуры для реализации ИНС, свидетельствуют о том,

что имеется большая заинтересованность в разработке таких систем.

§7.2. Особенности выбора оптимальной нейросетевой архитектуры,

связанной с постановкой задачи

В процессе обучения ИНС могут проявиться разного рода проблемы,

такие как паралич или попадание сети в локальный минимум поверхности

ошибок. Невозможно заранее предсказать проявление той или иной

проблемы, равно как и дать однозначные рекомендации к их разрешению.

Проверка адекватности обучения – важный этап настройки любой ИНС.

Даже в случае успешного, на первый взгляд, обучения сеть не всегда