83
6.5. Metoda funkcji nieliniowych
dla każdego (dowolnie małego) e. Jak z tego wynika, początkowy brak powodzenia przy próbach rozpoznawania można (z prawdopodobieństwem zmierzającym do jedności!) zamienić na sukces zwiększając m. Oczywiście zwiększanie wymiaru przestrzeni m musi odbywać się poprzez wprowadzanie takich nowych składowych, które istotnie wnoszą nowe informacje. Mogą to być dodatkowe cechy Xj, ale mogą to być także nowe transformacje(6) fv już zarejestrowanych cech x. Niezależnie jednak od tego, jakie mechanizmy zwiększania m zastosujemy, należy wykazać cierpliwość i konsekwencję, ponieważ nigdy nie wiadomo, jak daleko jest do wartości krytycznej m*.
W związku z prostą i naturalną relacją, jaka istnieje pomiędzy omówioną metodą rozpoznawania z wykorzystaniem funkcji liniowych (p. 6.3) a stosowaniem tu omówionej, ogólniejszej metody, bezcelowe jest oddzielne formułowanie algorytmu dla tego przypadku, ponieważ uogólnienie poprzedniego algorytmu sprowadza się wyłącznie do wbudowania weń funkcji odpowiedzialnej za dokonywanie transformacji x„ = >fiv(x) (por. także p. 6.2) oraz do przewymiarowania odpowiednich tablic (zgodnie z faktem, żem>(n + 1)). Również procedura uczenia nie wymaga odrębnego omówienia, gdyż jest praktycznie identyczna z omówioną (p. 6.4). Jest ona zresztą dodatkowo omówiona i poparta algorytmem w następnym rozdziale.
(6) Poprzez transformacje ujawniane są nowe właściwości używanych cech, dlatego pro-ces ten można takie rozpatrywać jako formę wzbogacenia wiedzy o rozpoznawanych obiektach.