Труды КНЦ вып.8 (ГЕЛИОФИЗИКА вып. 7/2017(8))

Верно распознанных событий 58 % Верно распознанных шумов 30 % Ошибок первого рода 8 % Ошибок второго рода 4 % Таким образом, точность работы нейронной сети составляет 88 %, тогда как количество ошибочно исключенных событий составляет 4 %. Выводы Такая точность не позволяет использовать нейронную сеть в качестве самодостаточного средства, но ее простота позволяет уже в данном виде легко включить ее в состав комплексной системы, использующей для определения ложных событий совокупность нескольких параметров, полученных различными способами. Программу планируется включить в систему детектирования и предварительной локации по отдельной сейсмостанции NSS [5]. Литература 1. Rosenblatt F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain / Cornell Aeronautical Laboratory // Psychological Review. 1958. Vol. 65, No. 6. P. 386-408. 2. Gradient-based learning applied to document recognition: Proc. IEEE / Y. LeCun et al. 86(11): 2278-2324. 3. Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations / Honglak Lee et al. ACM. 2009. P. 609-616. 4. Nguyen D. Т., Brown R. J., Lawton D. C. Polarization filter for multi-component seismic data // CREWES Research Report. 1989. Vol. 7, P. 93-101. URL: http://www.crewes.org/Reports/1989/1989-07 .pdf. 5. Asming V. E., Fedorov A. V. Possibility of using a single three-component station automatic detector-locator for detailed seismological observations // Seismic Instruments. 2015. Vol. 51, No. 3. P. 201-208. Сведения об авторе Ганнибал Андрей Евгеньевич стажер-исследователь, Кольский филиал ФИЦ «Единая геофизическая служба РАН», Апатиты 150