Повышение эффективности идентификации большого набора искаженных случайным образом входных сигналов оптико-электронной нейросетью

В рамках цифровой модели однослойной оптико-электронной нейросети на основе крупноформатного оптического векторно-матричного умножителя проведен анализ допустимого уровня шума во входных образах при их автоассоциативном распознавании. Показано, что за счет объединения схожих эталонных образов памяти в группы и построения отдельных весовых нейроматриц для каждой из этих групп, а также одной первичной матрицы для набора обобщенных прообразов каждой группы можно значительно увеличить допустимый уровень шума в идентифицируемых входных образах без существенного увеличения временных затрат на их полное и безошибочное восстановление. Рассмотрены особенности обучения такой нейросети.