Научная визуализация

Scientific Visualization

Электронный журнал открытого доступа

 Национальный Исследовательский Ядерный Университет "МИФИ"

      ISSN 2079-3537      

 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                                                                                             
Научная визуализация
Год выпуска: 2014
Квартал: 4
Том: 6
Номер: 4
Страницы: 22-29
Название публикации: ВИЗУАЛИЗАЦИЯ ПРОЦЕССА ОБУЧЕНИЯ НЕЙРОННОЙ СЕТИ НЕОКОГНИТРОН ДЛЯ РАСПОЗНАВАНИЯ СИМВОЛОВ
Авторы: А.В. Кугаевских (Россия)
  Статья рекомендована к печати программным комитетом 24-й Международной конференции по компьютерной графике и зрению ГрафиКон'2014.
Адреса авторов: А.В. Кугаевских
a-kugaevskikh@yandex.ru
ФГБОУ ВПО Тюменский государственный университет, Россия
Краткое описание: В процессе обучения любой нейронной сети возникает проблема оценки качества обучения, что определяется обучением отдельных слоев или нейронов. К тому же при большом количестве нейронов трудно отследить потоки активации нейронов при поступлении того или иного входного набора данных. В настоящей работе представлен механизм визуализации обучения сети свертки неокогнитрон, позволяющий показать путь активации нейронов от входных нейронов через активацию признаков и до активации выходного нейрона, показывающего метку класса. Апробация механизма была осуществлена на примере обучения нейронной сети неокогнитрон, распознающей символы древнеегипетского языка. Любой символ можно распознать только по его признакам, отличающим этот символ от других. Поэтому основной задачей визуализации является отображение активации нейронов, ответственных за извлечение признаков, вместе с параметрами обучения нейрона и отображение дальнейшего маршрута передачи сигнала вплоть до нейронов, определяющих класс, к которому относится распознаваемое изображение символа.
Отслеживание траектории активации связей между слоями позволяет выявить недостающие связи, лишние признаки, проследить сигнала между слоями и откорректировать параметры обучения для их усиления. Благодаря динамической визуализации силы сигнала, передающегося между нейронами, процесс побора порога чувствительности становится более понятным.
Среднее качество распознавания построенной нейронной сети составляет 82% при общем числе нейронов около 700 тысяч на 6845 классов.
Язык: Русский


Открыть публикацию   Скачать публикацию в ZIP архиве