Теоретико-экспериментальный метод векторной оптимизации нейросетевых классификаторов

Abstract

Розглянуто постановку задачі і процедуру векторної оптимізації архітектури нейромережевого класифікатора. Як цільову функцію запропоновано скалярну згортку критеріїв за нелінійною схемою компромісів. Використано пошукові методи оптимізації з дискретними аргументами. Наведено приклад — нейромережевий класифікатор текстів.

The statement of the problem and a procedure of vector optimization of a neural-network classifier architecture are considered. The scalar convolution of criteria according to a nonlinear scheme of compromises is proposed in the capacity of the criterion function. Search methods of optimization with discrete arguments are used. An example of a neural-network text classifier is given.