УДК 004.8
DOI: 10.36871/2618-9976.2022.09.003
Авторы
Светлана Васильевна Прокопчина
Профессор, доктор технических наук, Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Аннотация
Одним из основных этапов разработки нейронных сетей является этап обучения нейросети и разработки обучающего набора данных (Dataset).
В статье предлагается новый подход к обучению сверточной сети байесовского типа. При вероятностно-статистическом подходе к разработке.
Dataset необходимо определить вероятностное распределение признаков или входных сигналов нейросети. Даже для больших выборок это представляет достаточно сложную задачу. Но чаще всего таких объемов экспериментальной информации в практических прикладных задачах не имеется. Выборки являются либо малыми, либо уникальными экспериментами, дающими единичные выборочные значения. Такие информационные ситуации относятся к ситуациям со значительной информационной неопределенностью. В статье предложено использовать для определения аналитического вида распределения в условиях значительной неопределенности методы байесовской математической статистики. Приведен пример использования данного подхода для подготовки этапа обучения нейросети BCNN.
Ключевые слова
байесовская математическая статистика
сверточные нейросети
закон распределения
