Этап развития психологии

Сентябрь 02, 2015 By: admin Category: Разное

Когда группы (образы) четко определены и отобраны обучающая и экзаменационные выборки, выбирается вид решающего правила, для которого необходимо вычислить соответствующие параметры (при вероятностном подходе) или коэффициенты (при детерминистическом подходе). В общей постановке задачи распознавания образов1 указывается, что класс решающих функций определяет свойства входных сигналов, т.е. закономерности, проявляющиеся в матрицах описаний образов. Поэтому считается целесообразным за основу брать математическую модель совокупности распознаваемых объектов, которая должна описывать характер изменения входных сигналов при переходе от образа к образу, а также при изменении различных параметров.

Очевидно, что на современном этапе развития психологии и педагогики трудно говорить о разработке таких моделей. Попытки же принять некоторые возможные модели, как уже отмечалось, не всегда оправдываются. Поэтому в настоящее время целесообразно ограничиться некоторыми не связанными с какой- либо математической моделью алгоритмами. Хотя теоретическая мощность таких алгоритмов довольно низка, применение их в прикладных целях вполне оправдано. Подробнее рассмотрим два таких алгоритма; один из них относится к линейно разделенным совокупностям, закон распределения которых неизвестен, другой — к линейно неразделимым совокупностям. Для простоты изложения будем рассматривать только две совокупности.

Если образы линейно разделимы в многомерном пространстве признаков, обязательно существует оптимальная гиперплоскость, разграничивающая эти образы. Кроме нее, существует некоторая семья гиперплоскостей, отличающихся от оптимальной, каждая из которых также разделяет обучающую выборку. Когда закон распределения неизвестен»используется иетод последовательного приближения (итераций).

Тогда те объекты, для которых после подстановки значения соответствующих признаков вычисленная величина будет больше «с», будут отнесены к одному из образов (допустим, к первому), а те, для которых эта величина будет меньше V — ко второму. Следовательно, распознавание сводится, как в дискриминантном анализе, к вычислению суммарной «взвешенной” оценки для данного объекта.

Задача обучения состоит в определении вектора «весов, «оли не оптимальной, то хотя бы любой другой разграничивающей гиперплоскости. В наиболее общей форме такое обучение представляет последовательное испытание множества гиперплоскостей до тех пор, пока не будет получен вектор «весов» разграничивающей функции.

Существуют различные виды алгоритмов с последовательным исправлением ошибок. Их общий обзор дан в литературе. Мы опишем один из алгоритмов этого класса.

Comments are closed.



Категории:


Дошкольное образование