Page 50 - 4703

Іноді застосовується зворотна впорядкованість, так що пози-
тивне рішення відповідає малим вихідним значенням. Пакет
ST Neural Networks підтримує будь-який з цих варіантів робо-
ти.
Спочатку в якості меж діапазону для кожної змінної ви-
користовуються значення мінімум/середнє і макси-
мум/стандартне відхилення. Для логістичної вихідної функції
активації хорошими значеннями за умовчанням є 0.0 і 1.0. Де-
які автори радять використати в якості функції активації
гіперболічний тангенс, який набуває значень в інтервалі (-
1.0,+1.0). Таким прийомом можна поліпшити навчання, тому
що ця функція (на відміну від логістичної) симетрична. В
цьому випадку треба змінити значення мінімум/середнє і мак-
симум/стандартне відхилення і програма ST Neural Networks
автоматично правильно інтерпретуватиме класи.
Зворотна впорядкованість, як правило, застосовується в
двох ситуаціях. Одну з них ми тільки що обговорили: це ме-
режі Кохонена, в яких вихідне значення є міра віддаленості і її
мале значення відповідає більшій довірі. Друга ситуація вини-
кає при використанні матриці втрат (яка може бути додана в
імовірнісну мережу на етапі її побудови або вручну - до мереж
інших типів). Якщо використовується матриця втрат, то вихо-
ди мережі означають очікувані втрати від вибору того або ін-
шого класу, і мета полягає в тому, щоб вибрати клас з най-
меншими втратами. Впорядкованість можна обернути, оголо-
сивши вихідний сигнал не рівнем довіри, а мірою помилки. У
такому разі поріг прийняття буде нижчий порогу відкидання.

Таблиця статистик класифікації
При виборі порогів прийняття/відкидання і оцінці здіб-
ностей мережі до класифікації допомагає інформація, що
міститься у вікні Статистики класифікації - Classification
Statistics. В ньому вказується, скільки спостережень було кла-
сифіковано правильно, скільки неправильно або взагалі не
класифіковано. Крім того, видається інформація про те, скіль-
ки спостережень кожного класу було віднесено до інших
класів. Усі ці дані видаються окремо для навчального, кон-
трольного і тестового множин.

50