Page 211 - 4703

Клацаємо Train для запуску процедури пошуку мереж. В
процесі пошуку відображається вікно з параметрами пошуку в
режимі реального часу.
Під час роботи алгоритму пошуку відповідної нейронної
мережі в діалоговому вікні приводиться інформація про зге-
неровані нейронні мережі, а також цикли виконання алгорит-
му. Мета алгоритму пошуку - перебір ряду нейромережевих
конфігурацій і вибір найкращої з точки зору мінімуму помил-
ки на виході мережі і максимуму її продуктивності.
Відповідно, для здійснення процедури порівняння ме-
реж, мережі необхідно навчати, розраховувати їх помилки і
продуктивності і потім ці показники порівнювати.

Для навчання алгоритм пошуку мережі розбиває (за умо-
вчанням) усю множину спостережень на Training - Навчальну,
Validation – Підтверджену (контрольну) і Test - Тестову мно-
жини. Кожна з цих множин несе свою важливу функцію.
На навчальній множині відбувається безпосереднє на-
вчання мережі, тобто зміна вагових коефіцієнтів кожного з
нейронів пропорційно помилці на виході. Відповідно усі спо-
стереження з цієї множини багаторазово беруть участь в про-
цедурі зміни вагових коефіцієнтів навчаної мережі.
Спостереження Validation множини в процедурі зміни
вагів нейронів не беруть участь. Основна функція цих даних -
в постійному контролі здатності мережі до узагальнення да-
них, на яких вона не навчалася. Така процедура називається
крос - перевіркою. На кожному кроці алгоритму навчання роз-
раховується помилка для усього набору спостережень з конт-
рольної множини і порівнюється з помилкою на навчальній
множині.
Природно, що ці помилки відрізнятимуться. Як правило,
помилка на контрольній множині перевищує помилку на нав-
ча-

211