Использование нейронНblХ сетей в качестве классификатора

Сети с прямой связью являются универсальным средством аппроксима­ции функций, что позволяет их использовать в решении задач классифика­ции. Как правило, нейронные сети оказываются наиболее эффективным спо­собом классификации, потому что генерируют фактически большое число регрессионных моделей (которые используются в решении задач классифи­кации статистическими методами).

К сожалению, в применении нейронных сетей в практических задачах возникает ряд проблем. Во-первых, заранее не известно, какой сложности (размера) может потребоваться сеть для достаточно точной реализации отображения. Эта сложность может оказаться чрезмерно высокой, что по­требует сложной архитектуры сетей. Так, Минский в своей работе «Пер­септроны» доказал, что простейшие однослойные нейронные сети способ­ны решать только линейно разделимые задачи. Это ограничение преодо­лимо при использовании многослойных нейронных сетей. В общем виде можно сказать, что в сети с одним скрытым слоем вектор, соответствую­щий входному образцу, преобразуется скрытым слоем в некоторое новое пространство, которое может иметь другую размерность, а затем гиперп­лоскости, соответствующие нейронам выходного слоя, разделяют его на классы. Таким образом, сеть распознает не только характеристики исход­ных данных, но и «характеристики характеристик», сформированные скрытым слоем.