Page 54 - 4703

ваний далеко від центрів радіальних елементів, дасть ну-
льовий вихідний сигнал. Прагнення мережі не екстраполювати
дані можна вважати гідністю (це залежить від предметної об-
ласті і Вашої думки), проте убування вихідного сигналу (на
перший погляд) гідністю не являється. Якщо ми прагнемо
уникати екстраполяції, то для вхідних точок, що відрізняються
великою мірою новизни, в якості виходу ми, як правило, хо-
чемо мати усереднене значення.
Для радіальних мереж в завданнях регресії цього можна
досягти за допомогою масштабуючої функції се-
реднє/стандартне відхилення. навчальні дані масштабуються
так, щоб середнє вихідне значення дорівнювало 0.0, а усі інші
значення були б промасштабировані на стандартне відхилення
вихідних сигналів. При обробці вхідних точок, що лежать поза
зонами дії радіальних елементів, вихідний сигнал мережі при-
близно дорівнюватиме середньому значенню.
Якість роботи мережі в завданні регресії можна пе-
ревірити декількома способами.
По-перше, мережі можна повідомити вихідне значення,
що відповідає будь-якому спостереженню (чи якомусь новому
спостереженню, яке ви хотіли б перевірити). Якщо це спосте-
реження містилося в початкових даних, то видається значення
різниці (нев'язки).
По-друге, можуть бути отримані підсумкові статистики.
До них відносяться середнє значення і стандартне відхилення,
вичислені для навчальних даних і для помилки прогнозу. У
загальному випадку середнє значення помилки прогнозу буде
дуже близько до нуля (врешті-решт, нульове середнє для по-
милки прогнозу можна отримати, просто оцінивши середнє
значення навчальних даних і зовсім не звертаючись до значень
вхідних змінних). Найбільш важливим показником є стан-
дартне відхилення помилки прогнозу. Якщо воно не виявиться
істотно менше стандартного відхилення навчальних даних, це
означатиме, що мережа працює не краще, ніж проста оцінка по
середньому. Далі, в пакеті ST Neural Networks користувачеві
видається відношення стандартного відхилення помилки про-
гнозу до стандартного відхилення навчальних даних. Якщо
воно істотно менше одиниці (наприклад, нижче 0.1), то це го-
ворить про хорошу якість регресії. Це регресійне відношення

54