Constructing a method for the conversion of numerical data in order to train the deep neural networks

Abstract

Розглянуто відомі види глибоких нейронних мереж, методи їх навчання з учителем, навчання мереж шумозаглушенню, а також методи кодування даних за допомогою зображень. Показано, що глибокі нейронні мережі підходять для ефективного вирішення завдань класифікації, зокрема для медичного і технічного діагностування. Серед глибоких мереж перспективними є згорткові нейронні мережі внаслідок своєї простої структури і застосування спільних ваг, що дозволяє мережі виділяти схожі ознаки в різних частинах зображень. Навчання згорткової мережі може бути недостатньо ефективним для деяких завдань діагностування, тому доцільно розглянути модифікації методу навчання із застосуванням кодування даних і навчанням шумозаглушенню для поліпшення результату. Запропоновано метод для навчання згорткової нейронної мережі за допомогою числових даних, перетворених в растрові зображення, що підвищує точність мережі при вирішенні задач класифікації і дозволяє застосовувати згорткові нейронні мережі та їх переваги обробки зображень з табличними даними в якості вхідних. Також пропонований метод не потребує внесення додаткових змін в структуру мережі. Метод складається з чотирьох етапів -нормалізації методом мінімакса, перетворення даних в двовимірні зображення з використанням поплавкового або термометричного методів кодування, генерації додаткових зображень із спотворенням вхідних даних і попереднього навчання глибокої мережі. Розроблений метод був програмно реалізований та досліджений при вирішенні низки практичних завдань. Результати вирішення практичних завдань технічного та медичного діагностування показали ефективність методу при незначній кількості результуючих класів і екземплярів для навчання. Метод може бути корисний при діагностуванні на ранніх стадіях прояви дефекту, коли обсяг даних для навчання обмежений Ключові слова: згорткові нейронні мережі, глибоке навчання, перетворення формату, растрові зображення UDC 004.93