Dzmuh: Новая страница: «'''Неокогнитрон''' ({{lang-en|Neocognitron}}) — иерархическая многослойная искусственная нейронная сеть, сверточного типа, производная от когнитрона и предложенная {{нп3|Фукусима, Кунихико|Кунихико Фукусимой||Kunihiko Fukushima}} (1980 г.), спо...»

2024-08-30T23:36:21Z

Новая страница: «'''Неокогнитрон''' ({{lang-en|Neocognitron}}) — иерархическая многослойная искусственная нейронная сеть, сверточного типа, производная от когнитрона и предложенная {{нп3|Фукусима, Кунихико|Кунихико Фукусимой||Kunihiko Fukushima}} (1980 г.), спо...»

Новая страница

'''Неокогнитрон''' ({{lang-en|Neocognitron}}) — иерархическая многослойная [[искусственная нейронная сеть]], [[Свёрточная нейронная сеть|сверточного]] типа, производная от [[когнитрон]]а и предложенная {{нп3|Фукусима, Кунихико|Кунихико Фукусимой||Kunihiko Fukushima}} (1980 г.), способная к [[Робастность в статистике|робастному]] [[Теория распознавания образов|распознаванию образов]], обычно обучаемая по принципу «[[обучение без учителя]]». Сеть данного вида также часто применяется для распознавания рукописного текста и [[Оптическое распознавание символов|OCR]], образов с сильно искажённой или зашумлённой структурой. Прообраз сети был позаимствован из модели, предложенной [[Хьюбел, Дэвид|Хьюбелом]] и [[Визел, Торстен|Визелем]] (1959 г.), согласно которой, существует два вида клеток в первичной [[Зрительная система|зрительной коре]]: простая и сложная клетка, расположенные каскадно. Неокогнитрон также состоит из каскадно соединённых нейронов S-типа (простой, {{lang-en|simple}}) и C-типа (сложный, {{lang-en|complex}}). В процессе работы сети, локальные признаки образа извлекаются при помощи клеток S-типа, а искажения признаков, такие как, например, сдвиг, — компенсируются клетками C-типа.<ref>{{cite book|title=Big Data, Data Mining, and Machine Learning|author=Jared Dean|url=https://python.engineering/big-data-data-mining-and-machine-learning/|ISBN=978-1118618042|publisher=Wiley|year=2014}} {{Wayback|url=https://python.engineering/big-data-data-mining-and-machine-learning/ |date=20210909092642 }}</ref> Локальные признаки на входе обобщаются поэтапно, и окончательная классификация выполняется в оконечных слоях. Подобная идея обобщения локальных признаков также применяется в сетях «[[LeNet]]» и «[[SIFT]]».

== Отличия от когнитрона ==
[[Когнитрон]] и неокогнитрон имеют определенное сходство, но между ними также существуют фундаментальные различия, связанные с эволюцией исследований авторов. Оба образца являются [[многоуровневыми]] иерархическими [[Нейронная сеть|сетями]], организованными аналогично зрительной коре. В то же время неокогнитрон больше соответствует модели зрительной системы, описанной в работе Hubel D. H. и Wiesel T. N.<ref>{{книга
|автор = Hubel D. H., Wiesel T. N.
|часть =
|заглавие = Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. Journal of Physiology 160:106–54
|оригинал =
|ссылка =
|издание =
|ответственный =
|место =
|издательство =
|год = 1962
|том =
|страницы =
|страниц =
|isbn =
}}</ref> В результате неокогнитрон является намного более мощной парадигмой с точки зрения способности распознавать [[образы]] независимо от их преобразований, вращений, искажений и изменений масштаба. Как и [[когнитрон]], неокогнитрон использует [[самоорганизацию]] в процессе обучения, хотя была описана версия<ref>{{книга
|автор = Fukushima К., Miyake S., Takayuki I.
|часть =
|заглавие = Neocognitron: A neural network model for a mechanism of visual pattern recognition. IEEE Transaction on Systems, Man and Cybernetics SMC–13(5):826–34
|оригинал =
|ссылка =
|издание =
|ответственный =
|место =
|издательство =
|год = 1983
|том =
|страницы =
|страниц =
|isbn =
}}</ref>, в которой вместо этого использовалось управляемое обучение.<ref>{{книга
|автор = Ф. Уоссермен.
|часть =
|заглавие = Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык, Ю. А. Зуев, В. А. Точенов
|оригинал =
|ссылка =
|издание =
|ответственный =
|место =
|издательство =
|год = 1992
|том =
|страницы =
|страниц =
|isbn =
}}</ref>

== Методика обучения ==
{{В планах|дата=2017-01-31}}

== Разновидности неокогнитрона ==

Существуют разные виды неокогнитронов.<ref>Fukushima 2007</ref> Например, некоторые типы неокогнитронов могут обнаруживать несколько паттернов в одном и том же входе, используя обратные сигналы для достижения избирательного внимания.<ref>Fukushima 1987, pp.81, 85</ref>

== Примечания ==
{{примечания}}

== Ссылки ==
{{Википедия|Неокогнитрон}}
* [http://neocognitron.euweb.cz/ Программная реализация неокогнитрона на C#] {{Wayback|url=http://neocognitron.euweb.cz/ |date=20110207033629 }}
* [http://www.corvex.okazolab.com/neocognitron Программная реализация неокогнитрона на Delphi 6] {{Wayback|url=http://www.corvex.okazolab.com/neocognitron |date=20121120015111 }}

{{ai-stub}}
{{Типы искусственных нейронных сетей}}
{{Машинное обучение}}

[[Категория:Методы обучения нейросетей]]

Неокогнитрон - История изменений