Parametrik va metrik usullar o'rtasidagi ma'lum bir kelishuv tasniflash muammolarini hal qilish uchun neyron tarmoqlardan foydalanish hisoblanadi

Chiqish kodlash
Tasniflash muammosi va raqamli bashorat qilish muammosi o'rtasidagi asosiy farq shundaki, chiqish o'zgaruvchisi diskret ( sinf belgisi yoki uning raqamli kodi). NN nazorat ostida o'rganishdan foydalanadigan modellar bo'lganligi sababli , har bir ta'lim misoli uchun sinf o'zgaruvchisi o'rnatilishi kerak.
Eng oddiy holatda, agar tasnif ikkilik bo'lsa, masalani chiqish qatlamining bitta neyroni bo'lgan neyron tarmog'i yordamida hal qilish mumkin, uning chiqishida ikkita mumkin bo'lgan holat hosil bo'ladi (masalan, 0 va 1). Agar bir nechta sinflar mavjud bo'lsa, unda ularni tarmoqning chiqishida ko'rsatish muammosini hal qilish kerak. Amalda odatda chiqish vektori ishlatiladi, uning elementlari teglar yoki sinf raqamlari.
Bunda ob'ektning sinfga bo'lgan munosabati chiqish vektorining mos elementini 1 ga ( j j - sinf uchun i i - element ), qolgan elementlar esa 0 ga o'rnatilishi bilan aniqlanadi. , masalan, ikkinchi sinf tarmoqning bittadan 2-chi chiqishiga, qolgan qismida esa 0 ga to'g'ri keladi (2-rasm).

Shakl 2. Tarmoqning chiqishida bir nechta sinflarning ko'rinishi
Kodlash uchun 1 dan boshqa qiymatlar ham ishlatilishi mumkin, ammo natijani sharhlashda odatda sinf maksimal qiymat paydo bo'lgan tarmoqdan chiqish soni bilan belgilanadi deb taxmin qilinadi. Masalan, agar tarmoq chiqishida chiqish qiymatlari vektori (0,2, 0,6, 0,4) shakllangan bo'lsa, u holda vektorning ikkinchi komponenti maksimal qiymatga ega bo'ladi. Shunday qilib, bu misol tegishli sinf 2 bo'ladi.
Shubhasiz, ushbu kodlash usuli bilan maksimal qiymat qolganlardan qanchalik ko'p farq qilsa, tarmoq ob'ektni ushbu sinfga tegishli ekanligiga ishonch shunchalik yuqori bo'ladi. Rasmiy ravishda, bu ishonch tarmoqning kirishidagi maksimal qiymat (aslida sinfga tegishliligini aniqlaydi) va boshqa chiqishda unga eng yaqin qiymat o'rtasidagi farqga teng ko'rsatkich sifatida kiritilishi mumkin.
Masalan, yuqorida ko'rib chiqilgan misol uchun tarmoqning misol ikkinchi sinfga tegishli ekanligiga ishonchi vektorning ikkinchi va uchinchi komponentlari orasidagi farq sifatida aniqlanadi va 0,6−0,4=0,2 0,6−0,4=0,2 ga teng . Shunga ko'ra , ishonch qanchalik baland bo'lsa, tarmoq to'g'ri javob berish ehtimoli shunchalik yuqori bo'ladi. Ushbu kodlash usuli tarmoqning chiqishida sinflarni ifodalashning eng oddiy, lekin har doim ham eng samarali usuli emas.
Masalan, boshqa tasvirda sinf raqami tarmoqning chiqish vektorida ikkilik shaklda kodlangan. Agar sinflar soni 5 bo'lsa, unda uchta chiqish neyroni ularni ifodalash uchun etarli bo'ladi va masalan, 3-sinfga mos keladigan kod 011 bo'ladi. Yondashuvning noqulayligi ishonch indikatoridan foydalana olmaslikdir, chunki chiqish vektorining har qanday elementlari orasidagi farq har doim 0 yoki 1 ga teng bo'ladi. Shuning uchun chiqish vektorining istalgan elementini o'zgartirish muqarrar ravishda xatolikka olib keladi. Shuning uchun, sinflar orasidagi "masofa" ni oshirish uchun Hamming kodidan foydalanish qulay , bu tasniflashning aniqligini ta'minlaydi.
Yana bir yondashuv k k sinfli muammoni k ∗ ( k −1)/2 k ∗ ( k −1)/2 kichik muammolarga, har biri ikkita sinfga (2 ga 2 kodlash) bo‘lishdir . Bu holda pastki vazifa shundaki, tarmoq vektor komponentlaridan birining mavjudligini aniqlaydi. Bular. kirish vektori ikkita komponentdan iborat guruhlarga bo'linadi, shunda ular chiqish vektori komponentlarining barcha mumkin bo'lgan kombinatsiyalarini o'z ichiga oladi. Kombinatorikadan ma'lumki, bu guruhlarning soni ikkita asl komponentda takrorlanmasdan tartibsiz namunalar soni sifatida belgilanishi mumkin, ya'ni:
A_{k}^{n}=\frac{k !}{ n!(kn)!}=\frac{k!}{2!(k-2)!}=\frac{k(k-1) }{2} A kn ​= n !( k − n )! k ! ​= 2!( k −2)! k ! ​= 2 k ( k -1 )
Keyin, masalan, to'rtta sinfdan iborat vazifa uchun bizda quyidagicha taqsimlangan 6 ta natija (pastki vazifa) mavjud: