Методы эффективного анализа данных для решения плохо формализованных задач распознавания

В работе проводится сравнительный анализ результатов решений нейронных сетей и логических алгоритмов. Предлагается метод, позволяющий улучшить результаты решений нейронных сетей. В качестве решателя рассматривается сигма-пи нейронная сеть, а данные представлены объектами и характеризующими эти объекты признаками. В работе показано, что существуют логические подходы, способные наиболее полно описать все возможные закономерности в исследуемой области. В то же время нейронные сети в качестве решений выдают только часть из возможных решений. Поэтому предлагается проанализировать и дополнить эти решения. Для этого в работе рассматривается возможность построения логического корректора, способного по структуре нейронной сети построить логическую функцию, а дальше реализовать ее в виде логических нейронных сетей. Такой подход позволяет выявить логические связи между объектами в исследуемых данных, знание логических закономерностей позволит провести формализацию и точнее понять природу анализируемой области.