Підвищення точності класифікації зображень за допомогою повнозвʼязної нейронної мережі та методу сингулярного розкладу матриці

Abstract

У цій роботі розроблено метод розпізнавання зображень з високою точністю на основі комбінації Singular value decomposition (SVD) та повнозв’язної нейронної мережі. Навчання нейронної мережі здійснювалось алгоритмом зворотного поширення з використанням оптимізатора Adam на основі датасету Mnist. Сингулярний розклад матриці використовувався для попередньої обробки даних та ініціалізації ваг шарів мережі, що дало можливість підвищити точність розпізнавання зображень на 2% та досягнути глобального мінімуму кривої втрат на 10 епох раніше. Крім цього застосування запропонованого комбінованого методу дає можливість здійснювати ефективне короткотривале навчання невеликих нейромереж на малих фотографіях на відміну від існуючих традиційних методів на основі архітектур VGG та ResNet. Запропонований комбінований метод є особливо цінним для розпізнавання зображень за наявності обмежених обчислювальних ресурсів та часу навчання.