Page 25 - 4721

5 ВИРІШЕННЯ ЗАДАЧІ КЛАСИФІКАЦІЇ ЗА
ДОПОМОГОЮ ЙМОВІРНІСНОЇ НЕЙРОННОЇ МЕРЕЖІ

Мета роботи: ознайомитися з вирішенням задачі
класифікації з допомогою ймовірнісної нейронної мережі.

Теоретичні відомості

Ймовірнісна нейронна мережа – вид штучний нейронних
мереж, який використовуючи статистику Байєса для
виконання певних завдань. Ймовірнісна нейронна мережа
була розроблена Дональдом Спехтом (англ. Donald Specht).
Виходи мережі можна інтерпретувати, як оцінки
ймовірності належності елементу певному класу. Ймовірнісна
мережа вчиться оцінювати функцію густини ймовірності, її
вихід розглядається як очікуване значення моделі в даній
точці простору входів. Це значення пов'язане з густиною
ймовірності спільного розподілу вхідних і вихідних даних.
Задача оцінки густини ймовірності відноситься до області
статистики Байєса. Звичайна статистика за заданою моделлю
показує, яка ймовірність того або іншого виходу. Байєсова
статистика інтерпретує по іншому: правильність моделі
оцінюється за наявними достовірними даними, тобто надає
можливість оцінювати густину ймовірності розподілу
параметрів моделі за наявних даних.
При рішенні задач класифікації можна оцінити густину
ймовірності для кожного класу, порівняти між собою
ймовірності приналежності до різних класів і обрати модель з
параметрами, при яких густина ймовірності буде найбільшою.
Оцінка густини ймовірності в мережі заснована на ядерних
оцінках. Якщо приклад розташований у даній точці простору,
24