Эффективные нейросетевые алгоритмы для обработки экспериментальных данных

Современные физические эксперименты потребовали новых методов анализа данных, к которым относится и применение искусственных нейронных сетей (ИНС). Среди основных типов ИНС, применяемых в физике описаны прямоточные нейронные сети и полносвязные сети Хопфилда. В обзоре значительное внимание уделено описанию различных моделей сетей Хопфилда, применяемых в экспериментальной физике для распознавания траекторий заряженных частиц по данным трековых детекторов и колец черенковского излучения. Описаны методы, развивающие модель сегментов, роторную модель, а также эластичные нейронные сети. После сравнительного анализа слабых мест ИНС типа многослойных персептронов и радиально-базисных нейросетей для задач классификации и обработки изображений предлагается оригинальная модель радиально-базисной сети с самоорганизацией при обучении и приведены примеры ее применения.