Доклады Академии наукДоклады Академии наукДоклады Академии наук0869-5652The Russian Academy of Sciences1615510.31857/S0869-5652488111-15MathematicsМатематикаResearch ArticleA neural network construction for pattern recognition problems with standard information on the basis of the algorithms of model with piecewise linear surfaces and parametersПостроение нейросети на основе модели алгоритмов с кусочно-линейными поверхностями и параметрами для задач распознавания со стандартной информациейZhuravlevYu. I.ЖуравлевЮ. И.
Russian Federation

Academician of the Russian Academy of Sciences

Академик РАН

zhur@ccas.ruDyusembaevA. E.ДюсембаевА. Е.
Kazakhstan
anuardu@yahoo.comDorodnicyn Computing Centre, Federal Research Center Computer Science and Control of the Russian Academy of SciencesВычислительный центр им. А.А. Дородницына Российской академии наук Федерального исследовательского центра «Информатика и управление» Российской академии наукal-Farabi Kazakh National UniversityКазахский национальный университет им. аль-Фараби23092019488111151909201919092019Copyright ©; 2019, Russian academy of sciencesCopyright ©; 2019, Российская академия наук2019Russian academy of sciencesРоссийская академия наукhttps://journals.eco-vector.com/0869-5652/article/view/16155

In the paper for recognition problems with standard information on the basis of the operator approach and the model with parameters and piecewise linear surface has been constructed a neural network which reproduced of computations performs by the correct algorithm.

В работе для задач распознавания со стандартной информацией на основе операторного подхода и модели алгоритмов с кусочно-линейными поверхностями и параметрами показана возможность построения нейросети, воспроизводящей вычисления, осуществляемые корректным алгоритмом.

pattern recognition problemspiecewise linear surfaceparametersalgebracorrect algorithmзадачи распознаваниякусочно-линейная поверхностьпараметрыалгебракорректный алгоритмЖуравлев Ю.И. Экстремальные алгоритмы в математических моделях для задач распознавания и классификации // ДАН. 1976. Т. 231. № 3. С. 532-535.Журавлев Ю.И. Корректные алгебры над множеством некорректных (эвристических) алгоритмов // Кибернетика. 1977. № 4. С. 5-17.Журавлев Ю.И. Корректные алгебры над множеством некорректных (эвристических) алгоритмов // Кибернетика. 1978. № 2. С. 37-45.Дюсембаев А.Е., Калиаждаров Д.Р. О точных решениях задач распознавания на основе нейросетевого подхода // ДАН. 2015. Т. 461. № 3. C. 268-271.Дюсембаев А.Е. Об одном подходе к решению задач распознавания на основе нейросетей // ДАН. 2017. Т. 473. № 2. С. 127-130.Dyusembaev A.E., Grishko M.V. Conditions of the correctness for algebra of estimates calculation algorithms with μ-operators over a set of binary-data recognition problems // Journal of Pattern Recognition and Image Analysis. 2017. V. 27. № 2. P. 166-174.Рудаков К.В. О числе гиперплоскостей, разделяющих конечные множества в эвклидовом пространстве // ДАН. 1976. Т. 231. № 6. С. 1296-1299.Vapnik V.N. Statistical Learning Theory. 1998. 768 p.Dyusembaev A.E., Grishko M.V. Construction of a Correct Algorithm and Spatial Neural Network for Recognition Problems with Binary Data // Comput. Math. Math. Phys. 2018. V. 58(10). P. 1673-1686.