Обучающиеся системы

В тех случаях, когда первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов и построить априорный алфавит признаков, но недостаточно для описания классов на языке признаков (либо использование априорной информации нецелесообразно), применяют обучающиеся системы.

Исходную информацию, необходимую для построения обучающихся систем распознавания, можно представить в следующем виде:

(2.1)

Множество объектов w₁,...,w_z представляет собой обучающую последовательность объектов, каждый из которых характеризуется набором признаков x₁,...,x_N. Цель процедуры обучения - определение разделяющих функций , i=1,...,m. Обучение проводится путем многократного предъявления системе распознавания различных объектов с указанием классов, к которым эти объекты принадлежат.

Обучающиеся системы распознавания "работают с учителем", как показано на рис.2.3.

Рис.2.3. Схема обучающейся системы

режим обучения; режим экзамена

Процесс обучения заключается в том, что "учитель" (У) многократно предъявляет системе обучающие объекты (ОО) всех выделенных классов и указывает, к каким классам они принадлежат. Затем "учитель" начинает экзаменовать систему распознавания, корректируя ее ответы до тех пор, пока количество ошибок в среднем не достигнет допустимого уровня.

В состав обучающейся системы входят: ТСИ - технические средства измерения; БАО - блок алгоритмов обучения; АИ - априорная информация; БАР - блок алгоритмов распознавания. Обучаемая система распознавания реализует разделяющую функцию , однако, в начальной стадии обучения матрица параметров является неизвестной и алгоритмы обучения направлены на поиск значений элементов этой матрицы.

Обучаемые системы обладают гибкость в том смысле, что перенастройка системы для решения нового вида задач реализуется путем дополнительного цикла обучения, без изменения ее физической конфигурации. Обучение является формой адаптации системы при смене условий функционирования.