Исключение лишних кусков плоскостей.
Проверяя поочередно все куски плоскости II, затем все куски плоскости IV и т. д. и выбрасывая те куски, исключение которых не приводит к противоречиям, придем к ситуации, показанной на рис. 12. Все пространство разделено на поименованные области. Процесс
Рис. 12. Исключение лишних кусков плоскостей
обучения закончен. Теперь, чтобы узнать очередной объект, машине достаточно определить, в какой из областей пространства лежит соответствующая ему точка. Впрочем, машина может и ошибиться. Как видно из рис. 12, разбиение получилось далеко не идеальным. Значительная часть области В отнесена к образу С, а «кусочки» областей А и С попали в образ В. Это про произошло потому, что в ходе обучения машины не встретились точки, расположенные в этих частях пространства. По всей видимости, если процесс обучения был бы более длительным, относительная площадь неправильно поименованных кусков (а значит, и вероятность в будущем ошибок при распознавании) была бы меньше. Однако увеличение длительности обучения приводит к расширению требуемого объема памяти машины. Есть другие способы повышения надежности распознавания. О них будет сказано далее.
§ 2. Описание алгоритма Машина, естественно, оперирует в действительности не с чертежами, а с числами. Проследим действия машины на том же примере (см. рис. 1).
|
