Page 65 - 4703

і вихідних даних (у тому числі шкалування по мінімально-
му/максимальному значенням і по середньому/стандартному
відхиленню). Змінні з текстовими значеннями (наприклад,
Стать={Чол., Жін.}) також можуть бути автоматично переко-
довані, у тому числі по методу кодування “один-із-N”
STATISTICA Neural Networks має спеціальні засоби для роботи
з пропущеними даними. Реалізовані такі функції нормування,
як "одинична сума", "переможець отримує усе" і "вектор оди-
ничної довжини". Є функції для підготовки і інтерпретації да-
них, спеціально призначені для аналізу часових рядів. Велика
різноманітність аналогічних засобів реалізована також в базо-
вій системі STATISTICA.

У завданнях класифікації є можливість встановити дові-
рчі інтервали, які STATISTICA Neural Networks використовує
потім для віднесення спостережень до того або іншого класу.
У поєднанні із спеціальною реалізованою в STATISTICA
Neural Networks функцією активації софтмакс і кросс-
ентропійними функціями помилок це дає принциповий теоре-
тико-імовірнісний підхід до завдань класифікації.
2.4 Вибір нейромережевої моделі

У системі STATISTICA Neural Networks передбачена спе-
ціальна функція (Радник), яка допоможе користувачеві здола-
ти труднощі, пов'язані з необхідністю вибору з наявного різ-
номаніття типів нейронних мереж і необхідністю налаштуван-
ня параметрів, які треба задавати в процесі побудови і навчан-
ня мережі. У системі STATISTICA Neural Networks реалізовані
усі основні типи нейронних мереж з прямою передачею сиг-
налу, використовувані при рішенні практичних завдань, у то-
му числі:
 Багатошарові персептрони.
 Мережі на радіальних базисних функціях.
 Карти Кохонена, що Самоорганизуючі.
 Імовірнісні (байесовскі) нейронні мережі.
 Узагальнено-регресійні нейронні мережі.
 Лінійні структури.
У пакеті STATISTICA Neural Networks є численні засоби,
що полегшують вибір відповідної архітектури мережі. Статис-

65