Основные этапы нейросетевого анализа

Необходимые этапы нейросетевого анализа

- Кодирование входов-выходов: нейросети могут работать только с числами.

- Нормировка данных: результаты нейроанализа не должны зависеть от выбора единиц измерения.

-Предобработка данных: удаление очевидных регулярностей из данных облетает нейросети выявление нетривиальных закономерностей.

- Обучение нескольких нейросетей с различной архитектурой: результат обучения зависит как от размеров сети, так и от ее начальной конфигурации.

- Отбор оптимальных сетей: тех, которые дадут наименьшую ошибку предсказания на неизвестных пока данных

- Оценка значимости предсказаний: оценка ошибки предсказаний не менее важна, чем само предсказанное значение.

Кодирование входов-выходов

В отличие от обычных компьютеров, способных обрабатывать любую символьную информацию, нейросетевые алгоритмы работают только с числами, ибо их работа базируется на арифметических операциях умножения и сложения. Именно таким образом набор синоптических весов определяет ход обработки данных.

Между тем, не всякая входная или выходная переменная в исходном виде может иметь численное выражение. Соответственно, все такие переменные следует закодировать - перевести в численную форму, прежде чем начать собственно нейросетевую обработку.

Рассмотрим основные этапы построения ИНС.

1) Выбор типа (архитектура сети)

2) Побор весовых коэффициентов- обучение ИНС

На первом этапе решаются следующие задачи:

1) Какие нейроны следует использовать (число нейронов, виды передаточных функций)

2) Каким образом соединять нейроны между собой

3) Что взять в качестве входов и выходов сети.

В настоящее время существует несколько 10-ков различных нейросетевых архитектур, эффективность которых доказана математически.. Например: однослойные, многослойные, ИНС Кохнена, ИНС с общей регрессией.

На втором этапе следует обучить ИНС, т.е подобрать такие значения ее весов, чтобы сеть работала нужным образом.

В зависимости от функций, выполняемых нейронами в сети выделяют 3 типа

Входные нейроны - нейроны, на которые подается входной вектор, кодирующий входное воздействие или образ внешней среды. В них обычно не осуществляется вычислительных процедур, информация передается с входа на выход путем изменения его активации.

Выходные нейроны – нейроны выходные значения которых представляют выход сети.

Промежуточные нейроны- составляют основу ИНС.

В большинстве моделей тип нейрона связан с его расположением в сети. В процессе функционирования сети осуществляется преобразование входного вектора в выходной.