45359

Подготовка входных параметров

Доклад

Информатика, кибернетика и программирование

Естественно что незначимые параметры не следует включать в список параметров входного вектора X. Однако на практике часто бывает трудно и даже невозможно установить какие из параметров предметной области являются значимыми а какие нет. Поэтому на первом этапе в вектор X включают как можно больше параметров избегая только те из них незначимость которых очевидна.

Русский

2013-11-16

28 KB

1 чел.

19 Подготовка входных параметров

Успех создания нейронной сети, адекватно моделирующей предметную область, во многом зависит от удачного подбора обучающих примеров. При подготовке обучающих примеров следует учитывать, что не все параметры предметной области влияют на выходной вектор Y. Например, знание температуры тела вряд ли поможет в постановке диагноза больному, если задача состоит в выявлении у него одних только психических отклонений.

Параметры, которые не оказывают влияния на вектор Y, называют незначимыми для этого выходного вектора. Естественно, что незначимые параметры не следует включать в список параметров входного вектора X.

Однако на практике часто бывает трудно и даже невозможно установить, какие из параметров предметной области являются значимыми, а какие нет. Поэтому на первом этапе в вектор X включают как можно больше параметров, избегая только те из них, незначимость которых очевидна.

После первоначального создания и обучения нейронной сети, незначимые параметры могут быть выявлены двумя способами.

1. Путём анализа значений весовых коэффициентов входных нейронов. Если окажется, что у какого-либо входного нейрона синаптические веса значительно меньше, чем у других нейронов, то этот входной нейрон скорее всего соответствует незначимому параметру вектора X.

2. Путём возмущения значений входных параметров и анализа реакции сети на эти возмущения. Если сеть не реагирует или слабо реагирует на изменения значения какого-либо входного параметра, то этот параметр не является значимым.

После выявления и исключения входных нейронов, соответствующих незначимым параметрам, качество нейросети улучшается, так как снижается её размерность. Однако надо понимать, что слишком малое число входных параметров может привести к тому, что нейросети не хватит данных для выявления требуемых от нее закономерностей предметной области.

Параметры, описывающие предметную область, могут иметь самый разнообразный характер. Это могут быть числа с различными диапазонами изменений, качественные характеристики, такие как цвет волос и глаз пациента, даты (число, месяц, год), графические объекты. Поскольку нейросеть в состоянии обрабатывать только числа, то вся нечисловая информация должна быть закодирована в числовом виде.