使用sigma-pi神经网络搜索数据中的逻辑模式

DOI:

评审日期

出版日期

注解: 文章提出了一种构建逻辑运算的方法，用于分析和校正旨在解决识别问题的sigma-pi神经网络的结果。 这项工作的目的是识别神经网络训练结果形成的隐含模式的逻辑结构。 作者提出的方法基于sigma-pi神经元加权系数的值恢复训练样本，分析这种结构的连接并允许您检测隐式模式，这有助于提高sigma-pi神经元的自适应属性。 为了解决这个问题，在训练神经元siga-pi的框架内对主题区域进行逻辑代数分析，构建逻辑求解函数，研究其性质和对神经元校正的适用性。 众所周知，识别算法组织的组合方法提高了它们的效率。 作者声称，神经网络方法和逻辑校正器的使用相结合，允许在错误答案的情况下，从样本中指出最接近所请求特征的对象，根据该样本训练sigma-pi神经元。 这显着提高了智能任务的自动化解决方案的质量，即通过使用最有效的系统分析源数据并开发更准确的处理方法来确保实现正确解决方案的准确性。

出版日期: