Key points are not available for this paper at this time.
يعد غياب الافتراضات حول مجموعة البيانات التي ينبغي تصنيفها أحد الجاذبيات الرئيسية لشبكات الأعصاب في تطبيقات تصنيف الصور تحت الإشراف. ومع ذلك، فإن تصنيف شبكات الأعصاب يستلزم الافتراضات حول الفئات. أحد الافتراضات الرئيسية التي يتم اتخاذها عادة هو أن مجموعة الفئات قد تم تعريفها بشكل شامل. إذا لم يتم الوفاء بهذا الافتراض، فستكون هناك حالات لفئة غير مدربة موجودة وتضاف إلى مجموعة الفئات المدربة مما يضر بدقة التصنيف. وقد لوحظ ذلك في تصنيفات تغطية الأراضي المشتقة من الشبكات العصبية متعددة الطبقات (MLP) ووظائف القاعدة الشعاعية (RBF) حيث أدى وجود فئة غير مدربة إلى انخفاض بنسبة تقريبية قدرها 12.5% في دقة تصنيفات المحاصيل المشتقة من بيانات خريطة السماء الجوية المواضيعية. ومع ذلك، نظرًا لأن شبكة RBF تقسم فضاء الخصائص محليًا بدلاً من عالميًا كما هو الحال مع MLP، كان من الممكن تقليل إضافة الحالات الشاذة إلى مجموعة الفئات المدربة من خلال ضبط عتبات ما بعد التصنيف على مخرجات شبكة RBF. نتيجة لذلك، كان من الممكن تحديد واستبعاد بعض الحالات من الفئات غير المدربة من تصنيف باستخدام شبكة RBF مما أدى إلى زيادة في دقة التصنيف.
دراست هذا السؤال من قبل غايل إس. فودي (يوم الجمعة).