Page 41 - 4703

ня, і мережа працює настільки швидко, наскільки це взагалі
можливо.
Істотним недоліком таких мереж є їх об'єм. PNN-мережа
фактично вміщує в себе усі навчальні дані, тому вона вимагає
багато пам'яті і може повільно працювати.
PNN-мережі особливо корисні при пробних експеримен-
тах (наприклад, коли треба вирішити, які з вхідних змінних
використати), оскільки завдяки короткому часу навчання
можна швидко виконати велику кількість пробних тестів. У
пакеті ST Neural Networks PNN-мережі використовуються та-
кож в Нейро-генетичному алгоритмі відбору вхідних даних -
Neuro-Genetic Input Selection, який автоматично знаходить
значимі входи.

Узагальнено-регресійна нейронна мережа. Узагальне-
но-регресійна нейронна мережа (GRNN) влаштована ана-
логічно імовірнісній нейронній мережі (PNN), але вона при-
значена для вирішення завдань регресії, а не класифікації. Як і
у разі PNN- мережі, в точку розташування кожного навчально-
го спостереження поміщається ядерна гаусова функція. Мож-
на вважати, що кожне спостереження свідчить про деяку нашу
упевненість в тому, що поверхня відгуку в цій точці має певну
висоту, і ця упевненість убуває при відході убік від точки.
GRNN-мережа копіює всередину себе усі навчальні спостере-
ження і використовує їх для оцінки відгуку в довільній точці.
Остаточна вихідна оцінка мережі знаходиться як зважене се-
реднє виходів за усіма навчальними спостереженнями, де ве-
личини ваг відображають відстань від цих спостережень до
тієї точки, в якій робиться оцінювання (таким чином, ближчі
точки вносять більший вклад в оцінку).
Перший проміжний шар мережі GRNN складається з
радіальних елементів. Другий проміжний шар містить елемен-
ти, які допомагають оцінити зважене середнє. Для цього вико-
ристовується спеціальна процедура. Кожен вихід має в цьому
шарі свій елемент, що формує для нього зважену суму. Щоб
отримати із зваженої суми зважене середнє, цю суму треба
поділити на суму вагових коефіцієнтів. Останню суму об-
числює спеціальний елемент другого шару. Після цього у
вихідному шарі робиться власне ділення (за допомогою
спеціальних елементів "ділення"). Таким чином, число еле-

41