Составители:
Рубрика:
48
при обучении. При обучении сети по методу ОРО для контроля ре"
зультата обучения применяются обучающая и контрольная выбор"
ки. По мере обучения сети ее ошибка убывает, и вместе с тем умень"
шается ошибка на контрольной выборке. Прекращение снижения
ошибки на контрольной выборке (или даже ее рост) свидетельствует
о том, что сеть начала слишком точно аппроксимировать входные
данные и обучение необходимо прекратить, иначе можно оказаться в
ситуации переобучения.
Как отмечалось выше, для классификации могут использоваться
и самообучающиеся сети Кохонена, которые по имеющимся значе"
ниям входных переменных определяют их структуру. Такой подход
может быть рекомендован для предварительного анализа данных.
Сеть Кохонена может объединить данные в кластеры и тем самым
установить сходство между различными объектами, участвующими
в классификации. В случае уже заданных классов (сеть маркирует
классы номерами нейронов выходного слоя) такая ИНС способна
выявить сходство между различными классами. При поступлении
на вход сети нового, непохожего на уже использованные при класси"
фикации образы объекта в виде вектора его признаков, сеть Кохоне"
на не сможет отнести этот объект ни к одному из известных классов и
сформирует для него новый класс.
Задача прогнозирования. Такая задача часто ставится с целью оп"
ределения поведения финансово"экономических показателей в буду"
щие интервалы времени, например, объема продаж некоторого това"
ра, изменения курса акций и т. п. Здесь целью является прогноз бу"
дущих значений переменной на основе ее предыдущих значений.
Обычно прогнозируемая переменная является числовой, поэтому про"
гнозирование временных рядов представляет собой частный случай
регрессии. Очередное значение ряда прогнозируется по некоторому
числу его предыдущих значений (прогноз на один шаг вперед по вре"
мени).
Общий метод идентификации таких закономерностей заключает"
ся в использовании метода скользящих окон. Основная идея этого
метода состоит в использовании двух окон W
i
и W
0
фиксированных
размеров n и m, соответственно, перемещающихся (скользящих)
вдоль оси абсцисс (рис. 1.18).
Для данного размера окна последовательность значений W
0
i
, …,W
n
i
связана с последовательностью W
0
0
, …,W
m
0
, и эта связь полностью
определяется установленными данными. Затем для нахождения двух
конфигураций значений могут использоваться различные методы. В
случае нейронных сетей W
i
> W
0
принимается за обучающий вектор.
Страницы
- « первая
- ‹ предыдущая
- …
- 46
- 47
- 48
- 49
- 50
- …
- следующая ›
- последняя »
