Нейронные сети, как инструмент классификации биотехнологических систем (на примере мукомольного производства)

На сегодняшний день системы искусственного интеллекта являются наиболее распространенным видом для классификации объектов разного качества. Предлагаемая технология моделирования прогнозирования качества мукомольной продукции с использованием аппарата искусственных нейронных сетей позволяет объективно решать задачи анализа факторов, определяющих качество продукции. Интерес к искусственным нейронным сетям вырос за счет того, что они могут менять свое поведение в зависимости от внешней среды. Этот фактор в большей степени, чем любой другой, ответствен за тот интерес, который они вызывают. После предъявления входных сигналов (возможно, вместе с требуемыми выходами) они самонастраиваются, чтобы обеспечивать требуемую реакцию. Было разработано множество обучающих алгоритмов, каждый со своими сильными и слабыми сторонами. Решение задачи классификации является одним из важнейших применений нейронных сетей, которая представляет собой задачу отнесения образца к одному из нескольких непересекающихся множеств. Для решения поставленной задачи разработаны алгоритмы синтеза НС с использованием нелинейной функции активации, разработаны алгоритмы обучения сети. Обучение НС подразумевает определение весовых коэффициентов слоев нейронов. Обучение НС происходит с учителем, то есть сети предъявляются значения как входных, так и желательных выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса своих синаптических связей. В работе была построена искусственная нейронная сеть, на примере многослойного перцептрона. С помощью корреляционного анализа в общей выборке было установлено, что признаки коррелируют на уровне значимости 0,01 с классом качества хлеба. Точность классификации превышает 90 %.