Робота з системою

Крок 1. Виберіть файл із навчальною вибіркою… Інформація, що міститься в цьому файлі, використовується для навчання нейромережі. Можна відкрити txt-файл для навчання, або nnw-файл – навчену нейромережу.

Рисунок 5.6 - Початок роботи системи

Крок 2. Задайте поля і їх властивості

Виберіть поле в списку і вкажіть, як його обробляти.

Використовувати поле як…

Нейронна мережа складається з вхідного, вихідного і прихованого шарів. Кількість нейронів у першому та останньому шарі залежить від того, які поля позначаються як вхідні та вихідні. Поля, що відзначено позначкою "не використовувати" у навчанні і тестуванні нейромережі застосовуватися не будуть.

Нормалізувати поле як…

На вхід нейромережі повинна подаватися інформація в нормалізованому виді. Тобто це числа в діапазоні від 0 до 1. Можна вибрати наступні методи нормалізації.

· (X-MIN)/(MAX-MIN) - лінійна нормалізація.

· 1/(1+exp(ax)) - експонентна нормалізація.

· Авто (х- )/a, 1/(1+exp(a)) - нормалізація, що заснована на статистичних характеристиках вибірки

· Без нормалізації - нормалізація не здійснюється

Параметри нормалізації…

Задайте значення, що використовуються у формулах нормалізації.

Рисунок 5.7 - Поле та його властивості

Крок 3. Задайте параметр нейромережі

Число шарів нейромережі…

Нейронна мережа складається з шарів – вхідного, вихідного і прихованих. Необхідно вказати кількість прихованих шарів. Загального правила скільки повинно бути таких шарів немає, зазвичай обирається 1-3 прихованих шарів. Чим більш нелінійною є задача, тим більше прихованих шарів повинно бути.

Шари, число нейронів…

В Neural Network Wizard всі елементи попереднього шару зв'язані з усіма елементами наступного. Кількість нейронів у першому та останньому шарах залежить від того, скільки полів вказано як вхідні та вихідні. Кількість нейронів в кожному прихованому шару необхідно задавати. Загальних правил визначення кількості нейронів немає, але необхідно, щоб число зв'язків між нейронами було меншим за кількість прикладів в навчальній вибірці. Інакше нейромережа втратить здатність до узагальнення, а просто "запам'ятає" всі приклади з навчальної вибірки.

Параметр сигмоїди…

Сигмоїда застосовується для забезпечення нелінійного перетворення даних. У противному випадку, нейромережа може виділяти лише лінійно розділимі множини. Чим вище параметр, тим більше перехідна функція є подібною на порогову. Параметр сигмоїди підбирається емпірично.

Рисунок 5.8 - Параметри нейромережі