Klasyfikacja danych to jedno z podstawowych zadań wykonywanych przy użyciu sieci neuronowych. Na czym polega ?
Celem klasyfikacji jest skojarzenie obiektu na podstawie jego cech charakterystycznych z pewną kategorią. By wytłumaczyć problem - kilka przykładów:
- rozpoznawanie twarzy - to klasyfikacja oparta np. na takich cechach jak: położenie oczu, zarys twarzy itp. Wbrew pozorom to bardzo ważny obszar zastosowań - pozwala na lokalizację poszukiwanej osoby w kartotece komputerowej.
- klasyfikacja obrazów graficznych- wykrywanie typu pojazdu na podstawie obrazu z kamery lub radaru.
- klasyfikacja obrazów czasowych - to klasyfikacja, w której obraz jest ciągiem danych pojawiających się w czasie. Klasyczny już przykład to sygnał mowy. W takim przypadku zadaniem sieci neuronowej jest przyporządkowanie zapisowi dźwięku tekstu wypowiedzi.
Jeden z ciekawszych przykładów to system diagnozowania zawałów serca. Zadanie jakie postawiono sieci: Na podstawie 41 danych na temat stanu zdrowia pacjenta - ustal czy występuje u niego zawał serca ?
Jaki był wynik budowy takiego systemu?
Sieć neuronowa potrafi postawić lepszą diagnozę niż zespół lekarzy specjalistów
Diagnoza sieci neuronowej - odpowiednio nauczonej - była bowiem poprawna w 92%. To o
4% lepszy wynik, niż ten uzyskiwany przez lekarzy specjalistów.
Co ciekawe
sieć wykorzystuje do tego jedynie połowę informacji o pacjencie i wystarcza to do postawienia
tak trafnej diagnozy.
Wniosek: uczenie sieci to sposób na system ekspercki, ale również na system, który odpowie nam - co jest podstawą dla trafnych decyzji.
Uwaga: dokładny opis systemu:
J.Żurada, M.Barski, W. Jędruch, Sztuczne sieci neuronowe, PWN, 1996
[ Początek strony ] [ MiNIWyklady ]