ИСТИНА

В работе рассматривается продолжение предыдущих исследований по аппроксимации кусочно-линейных функций нейронными сетями с умножением. В предыдущих работах оценка архитектуры нейронной сети производилась при помощи двух параметров - количество объемных классов эквивалентности и количество гиперплоскостей, над которыми построена рассматриваемая кусочно-линейная функция, для которой строится нейронная сеть-аппроксиматор. Однако, данные оценки не всегда удобны на практике из-за проблем в оценке числа гиперплоскостей, над которыми строится рассматриваемая кусочно-линейная функция. В данной работе предлагается решение этой проблемы через оценку числа гиперплоскостей через размерность пространства входных данных и числа объемных классов эквивалентности при определенных допущениях. Таким образом, в оценке архитектуры происходит замена параметра количества гиперплоскостей на размерность пространства входных данных, которая всегда известна из постановки задачи.