Page 15 - 4703

Для аналізу треба мати близько сотень або тисяч спосте-
режень; чим більше в завданні змінних, тим більше треба мати
спостережень. Пакет ST Neural Networks має засоби для
розпізнавання значущих змінних, тому включайте в розгляд
змінні, в значущості яких ви не упевнені.
У разі потреби можна працювати із спостереженнями,
що містять пропущені значення. Наявність викидів в даних
може створити труднощі. Якщо можливо, видалите викиди.
Якщо даних достатня кількість, приберіть з розгляду спосте-
реження з пропущеними значеннями.

1.1.4 Пре/пост процесування

Всяка нейронна мережа набуває на вході числових зна-
чень і видає на виході також числові значення. Передатна
функція для кожного елементу мережі зазвичай вибирається
так, щоб її вхідний аргумент міг набувати довільних значень, а
вихідні значення лежали б в строго обмеженому діапазоні
("сплющення"). При цьому, хоча вхідні значення можуть бути
будь-якими, виникає ефект насичення, коли елемент вияв-
ляється чутливим лише до вхідних значень, що лежать в де-
якій обмеженій області. На рисунку представлена одна з
найбільш поширених передатних функцій - так звана
логістична функція (іноді її також називають сигмоїдной
функцією, хоча якщо говорити строго, це усього лише один з
окремих випадків сигмоїдних S-функцій – тобто таких що ма-
ють форму букви S). В цьому випадку вихідне значення
завжди лежатиме в інтервалі (0,1), а область чутливості для
входів трохи ширше інтервалу (- 1,+1). Ця функція є гладкою,
а її похідна легко обчислюється - ця обставина дуже істотно
для роботи алгоритму навчання мережі (у цьому також
криється причина того, що ступінчаста функція для цієї мети
практично не використовується).
Якщо вихідні
значення завжди
належать деякій об-
меженій області, а уся
інформація має бути
представлена в чис-
ловому виді, то оче-

15