Page 62 - 4268
P. 62

Під  час  роботи  алгоритму  пошуку  підходящої  нейронної
            мережі в цьому діалоговому вікні наводиться інформація про час
            виконання  алгоритму,  а  так  само  про  розглянуті  нейронних
            мережах. Мета алгоритму пошуку - перебір ряду нейромережевих

            конфігурацій і вибір найкращої з точки зору мінімуму помилки
            на виході мережі і максимуму її продуктивності. Відповідно, для
            здійснення  процедури  порівняння  мереж,  мережі  необхідно

            навчати,  розраховувати  їх  помилки  і  продуктивності  і  ці
            показники,  потім,  порівнювати.  У  результаті,  кожна  навчена  і
            перевірена  нейронна  конфігурація  описується  рядком  в
            інформаційному  полі  діалогового  вікна.  Найбільш  важливими

            показниками  тут  є  Profile  -  Тип  мережі,  Train  (Select,  Test)
            Performance          -    Продуктивність            мережі        на     навчальному
            (контрольному,  тестовому)  багато  і  Train  Error  -  Помилка

            навчання.
                  У  розділі  Profile  -  Тип  мережі  описується  топологія
            нейронної  мережі,  тобто  клас  мереж,  до  якого  вона  належить

            (персептрон,  мережа  RBF  і  т.д.),  кількість  вхідних  і  вихідних
            змінних,  кількість  прихованих  прошарків  і  число  елементів  на
            кожному прихованому шарі.

                  Для  навчання  алгоритм  пошуку  мережі  розбиває  (за
            замовчуванням) все безліч спостережень на Training - Навчальну,
            Selection  -  Контрольну  і  Test  -  Тестову  множини.  Кожне  з  цих
            множин несе свою важливу функцію.

                  На навчальній множині відбувається безпосереднє навчання
            мережі,  тобто  зміна  вагових  коефіцієнтів  кожного  з  нейронів
            пропорційно помилці на виході. Відповідно всі спостереження з

            цієї  множини  багаторазово  беруть  участь  у  процедурі  зміни
            вагових коефіцієнтів навченою мережі.
                  Спостереження контрольної множини в процедурі зміни ваг
            нейронів  не  беруть  участь.  Основна  функція  цих  даних  у

            постійному контролі здатності мережі до узагальнення даних, на
            яких  вона  не  навчалася.  Така  процедура  називається  крос  -
            перевіркою.           На      кожному          кроці       алгоритму          навчання

            розраховується  помилка  для  всього  набору  спостережень  з
            контрольного множини і порівнюється з помилкою на навчальній
            множині.  Природно,  що  ці  помилки  будуть  відрізнятися.  Як

            правило,  помилка  на  контрольному  безлічі  перевищує  помилку


                                                         62
   57   58   59   60   61   62   63   64   65   66   67