МЕТОДИКА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ, ИСПОЛЬЗУЕМЫХ В БЛОКЕ ПРИНЯТИЯ РЕШЕНИЯ СИГНАЛИЗАЦИОННЫХ СРЕДСТВ ОБНАРУЖЕНИЯ
##plugins.themes.bootstrap3.article.main##
Аннотация
В статье рассматривается вопрос обучения нейронной сети при построении алгоритмов обнаружения нарушителей в блоке принятия решения современных средств обнаружения. Особенность обучения нейронных сетей в средствах обнаружения заключается в использовании модифицированной функции потерь, учитывающей различный ущерб от реализации ошибок первого и второго рода в системах охранной сигнализации. Исходя из критерия минимума среднего риска, в средствах обнаружения целесообразно минимизировать вероятность ложной тревоги (ошибка первого рода) при фиксированном значении вероятности пропуска цели (ошибка второго рода). Получено новое выражение для обновления весов нейронной сети при обучении, исходя из минимизации новой функции потерь. На примере магнитометрических средств обнаружений распределенного типа показан процесс обучения нейронной сети на представительном банке данных расчетных реализаций информационного сигнала и моделирования помех. Показано, что рекуррентная нейронная сеть имеет высокие характеристики обнаружения нарушителей: при заданном значении правильного обнаружения 0,95 вероятность ложной тревоги составила 5,9∙10–4.