В настоящей статье предлагается алгоритм изменения рецептивных полей для сверточных нейронных сетей на произвольной комбинации сверточных слоёв. На основе этого алгоритма разработан метод синтеза параметров математической модели сверточной сети с расширенным обучающим множеством, генерируемым изменением её рецептивных полей. Построена математическая модель сверточной нейронной сети (СНС) с расширенным обучающим множеством и разработан алгоритм синтеза её параметров, который обеспечивает адаптацию алгоритма обратного распространения ошибки к изменению формы рецептивных полей перед подачей очередного паттерна в процессе обучения сети. Проведены эксперименты по оценке обобщающей способности СНС на выборках, используемых для распознавания объектов, проведена оценка качества распознавания на реальных объектах с использованием стенда «Мехатроника» НПО «Андроидная техника».

In this paper we propose algorithm of receptive fields changes for convolutional neural networks (CNN) on any convolutional layers combination. On the basis of this algorithm we developed the synthesis method of parameters of convolutional network mathematical model with extended training set generated by the change of its receptive fields. The mathematical model of convolutional neural network with extended training set was made. The algorithm of parameters synthesis of this model was developed. This algorithm ensures an adaptation of back-propagation algorithm to the change of receptive fields form before the analysis of another pattern in the process of the network training. We conducted the experiments on the estimation of generalization ability of the proposed model. The training sets such as MNIST, Small NORB were used for these experiments. Also experiments were conducted for an estimation of quality of network recognition process with the use of real objects. We made these experiments on the stand with video camera called «Mechatronics» (SPA «Android technics»).