Using convolutional neural networks for image recognition

Abstract

Эта работа посвящена реализации модификации сверточной нейронной сети с использованием теории адаптивного резонанса. В работе приводится обзор архитектуры классической сверточной сети, рассматриваются используемые функции активации, механизм обратного распространения ошибки и процесс функционирования сети. Отдельная глава посвящена применению теории адаптивного резонанса к сверточной нейронной сети, подробному описанию архитектуры модификации и функционированию отдельных блоков. В работе приведены результаты вычислительных экспериментов по распознаванию изображений на основе базы MNIST.

This paper is devoted to the modification of the superconvergence of a neural network using the theory of adaptive resonance. In the work of the review of the architecture of the classical convolutional network, its activation functions, the mechanism of the reverse error distribution and the process of network functioning are considered. A separate chapter is devoted to the use of computational technologies for convolutional neural networks, a detailed description of architectural modifications and the functioning of individual units. The results of computational experiments on the detection of images based on the MNIST base are presented.