Основы построения и функционирования интеллектуальных информационных систем. Былкин В.Д - 63 стр.

 зации программы это похоже на метод, используемый в обучающих системах. На практике
 вполне возможно модифицировать обучающую систему так, чтобы преобразовать ее в
 рассмотренный метод «ближайшего среднего».
      Вместо того, чтобы корректировать правила выработки решений только тогда, когда
допущена ошибка, задайте системе какой-нибудь пример и сообщите, к какому классу он
принадлежит. Затем измените указанные правила так, чтобы они постоянно сохраняли
последнее значение разности между указанными двумя наборами, Скажем, если до сих пор
было N1 примеров первого класса, то затем вы задали еще один пример того же класса.
      В массиве VALUE содержатся значения для нового объекта, Причем удается постоянно
обновлять значения массива MEAN1, оставляя в нем последние оценки среднего значения для
данной группы. Следовательно, с учетом MEAN1 и MEAN2 можно иметь последние значения
для данного правила принятия решения. После этого осуществляются последовательные
решения в зависимости от того, больше или меньше нуля значение DECISION.Существует
много других способов формирования решающих правил, которые можно было бы
использовать, но все они зависят от получения подробных сведений о переменных. В то же
время, если вы хотите узнать, какой из двух методов предпочесть — обучающий алгоритм или
подход, основанный на «ближайшем среднем», попробуйте применить тот и другой, а потом
решите. Не существует в общем случае однозначного ответа, так как очень многое зависит от
самой природы переменных, которые мы выбрали для ввода в систему (рис.67).




                     Рис. 6.7 Результат - искомое значение DECISION


                                 Априорные вероятности

     Существует, однако, единственная возможность усовершенствовать подход, основанный
на ближайшем среднем, который мы постараемся осуществить. Ее можно реализовать на
практике, если вы




                                           63