язків. br/>
3. Принцип роботи нейро-нечітких мереж
При побудові моделі штучної нейронної мережі насамперед необхідно точно визначити завдання, які будуть вирішуватися з її допомогою. В даний час нейромережеві технології успішно застосовуються для прогнозування, распознования образів і узагальнення. p align="justify"> Першим етапом побудови нейромережевої моделі є ретельний відбір вхідних даних, що впливають на очікуваний результат. З вихідної інформації необхідно виключити всі відомості, які не відносяться до досліджуваної проблеми. У той же час слід мати достатню кількість прикладів для навчання штучної нейронної мережі. Існує емпіричне правило, яке встановлює рекомендований співвідношення ? між кількістю навчальних прикладів, що містять вхідні дані і правильні відповіді, і кількість з'єднань в нейронної мережі: ?
Для факторів, які включаються до навчальну вибірку, доцільно попередньо оцінити їх значимість, провівши кореляційний та регресійний аналіз, і проаналізувати діапазони їх можливих змін.
На другому етапі здійснюється перетворення вихідних даних з урахуванням характеру і типу проблеми, яка відображається нейромережевої моделлю, і вибираються способи подання інформації. Ефективність нейромережевої моделі підвищується, якщо діапазони зміни вхідних і вихідних величин приведені до деякого стандарту, наприклад [0,1] або [-1,1].
Третій етап полягає в конструювання штучної нейронної мережі, тобто в проектування її архітектури (число шарів і число нейронів у кожному шарі). Структура штучної нейронної мережі формується до початку навчання, тому успішне вирішення цієї проблеми багато в чому визначається досвідом і мистецтвом аналітика, який проводить дослідження.
Четвертий етап пов'язаний з навчанням мережі, яке може проводитися на основі конструктивного або деструктивного підходу. Згідно з першим підходом навчання штучної нейронної мережі починається на мережі невеликого розміру, який поступово збільшується до досягнення необхідної точності за результатами тестування. Деструктивний підхід базується на принципі В«проріджування дереваВ», відповідно до якого з мережі зі свідомо надлишковим об'ємом поступово видаляють "зайві" нейрони і примикають до них зв'язку. Цей підхід дає можливість дослідити вплив віддалених зв'язків на точність мережі. Процес навчання нейронної мережі являє собою уточнення значень вагових коефіцієнтів для окремих вузлів на основі поступового збільшення обсягу вхідний і вихідний інформації. Початку навчання повинна передувати процедура вибору функції а...
