Статья направлена на выявление проблем использования искусственных нейронных сетей для решения задач бинарной классификации. Для решения задач бинарной классификации предполагается отнесение образцов, которые уже имеются, к определенным классам. Ведущим подходом к исследованию данной проблемы является алгоритм Левенберга-Марквардта, позволяющий проводить оптимизацию параметров нелинейных регрессионных моделей. В качестве критерия оптимизации принимается среднеквадратичная ошибка модели на обучающей выборке. Предлагается для ускорения вычислений в несколько раз применять метод эластичного распространения, в работе указаны основные шаги алгоритма, построенные на основе этого метода. Материалы статьи представляют практическую ценность для специалистов, использующих искусственные нейронные сети для задач классификации
The article aims at identifying problems of the use of artificial neural networks for solving problems of binary classification. For solving problems of binary classification it is expected to classify samples that are already available to a certain class. A leading approach to the study of this problem is the algorithm of Levenberg-Marquardt, which allows to optimize the parameters of nonlinear regression models. As optimization criterion is adopted to the root mean square error of the model on the training set. It is proposed to accelerate the computation to apply the method to the elastic distribution. The materials of the article are of practical value to professionals who use artificial neural networks for classification tasks.
The authors declare that there are no conflicts of interest present.