Evaluation of classification accuracy using feedforward neural network for dynamic objects

Abstract

This paper investigates the impact of the number of hidden layers, the number of neurons in these layers, and the types of activation functions on the accuracy of classifying projectiles of six types (A – (artillery); A/M – (artillery/missile); A/R – (armor-piercing); A/RC – (armor-piercingincendiary); M – (missile); R – (armor-piercing shells)) using a multi-layer neural network, evaluated by a confusion matrix. Specifically, confusion matrices were constructed to assess the accuracy of classifying projectiles of six types (A – (artillery); A/M – (artillery/missile); A/R – (armor-piercing),; A/RC – (armor-piercing-incendiary); M – (missile); R – (armor-piercing shells)) using a multi-layer perceptron with one, two, and three hidden layers and activation functions: Logistic, Tanh, Relu, Softmax, respectively. It was found that the highest accuracy in classifying projectiles is achieved using a neural network with two hidden layers, with 33 neurons in the first hidden layer with Tanh activation function and 8 neurons with Tanh activation function in the second hidden layer, and Softmax for the neurons in the output layer. У роботі на основі мультишарової нейронної мережі досліджено вплив кількості прихованих шарів, числа нейронів у них та типів активаційних функцій на точність класифікації снарядів шістьох типів (А – (а-боєприпаси); А/М – (а/м-боєприпаси; А/Р – (бронебійні); А/РС – (бронебійно-набивні); М – (m-боєприпаси); Р – (бронебійні боєприпаси)), яка оцінюється матрицею помилок. Зокрема, побудовані матриці помилок для оцінки точності класифікації снарядів шістьох типів (А – (а-боєприпаси); А/М – (а/м-боєприпаси; А/Р – (бронебійні); А/РС – (бронебійно-набивні); М – (m-боєприпаси); Р – (бронебійні боєприпаси) мультишаровим нейрон-ним перцептроном з одним, двома та трьома прихованими шарами та функціями активацій: Logistic, Tanh, Relu, Softmax відповідно. Встановлено, що найвища точність класифікації снарядів досягається за допомогою нейромережі з двома прихованими шарами з кількістю нейронів у першому прихованому шарі 33 з функцією активації tanh та 8–ми нейронами з функцією ативації Tanh у другому прихованому шарі та Softmax для нейронів вихідног шару.