УДК 004.032.26 АЛГОРИТМ СИНТЕЗА НЕЙРОННЫХ СЕТЕЙ С ПОРОГОВОЙ ФУНКЦИЕЙ АКТИВАЦИИ Предложен алгоритм для синтеза нейросетевых классификаторов с пороговой функцией активации, основанный на методах линейного программирования и не использующий дифференцирования при синтезе нейрона. <...> В настоящее время достаточно широкое распространение получила проблема автоматизированной классификации объектов по множеству признаков [1]. <...> Не миновали эту тему и нейронные сети, одной из основных задач которых и является задача классификации. <...> В настоящей статье предлагается новый способ построения нейронной сети, автоматически классифицирующей объекты на основании множества их признаков. <...> Предлагаемый алгоритм отличается от классических тем, что в отличие от последних, конфигурация сети, в частности число слоев, число нейронов на каждом слое, а также функция активации нейронов не является входным параметром, а является функцией от обучающей последовательности, т.е. вместо обучения нейронной сети с известной топологией используется её синтез в процессе построения. <...> Кроме того, в качестве функции активации используется пороговая функция. <...> Классические алгоритмы, основанные на методах минимизации ошибки с помощью дифференцирования функции активации, не способны создавать нейронные сети с подобной функцией, так как она имеет разрыв первого рода в области нуля. <...> В таких алгоритмах для максимального приближения к данной функции используют сигмоидальные функции активации. <...> Ошибки классификации минимизируются средствами линейного целочисленного программирования, что позволяет использовать ступенчатую функцию активации. <...> Каждый объект характеризуется фиксированным набором Пусть имеется два класса объектов D0 и n+1 ~ цию комплекса признаков" (РКП). <...> 1 показателей P=(р0,p1,p2,.,pn) - "комплексом признаков" и представляет собой набор значений данных показателей P Таким образом, класс DS (s∈{0,1}) - это множество всех возможных <...>