16-amaliy ish. Miyadan meros olgan neyr tarmoqlarning xususiyatlari

5-bosqich. Tarmoqni tekshirish va optimallashtirish
Tarmoqning umumlashtiruvchi xususiyatlarini tekshirish (ba'zan bu bosqich tarmoq testi deb ataladi) test sinovlari to'plamida, ya'ni tarmoqni o'qitishda foydalanilmagan misollarda amalga oshiriladi. Sinov natijalarini gistogramma ko'rinishida grafik ko'rinishida taqdim etish foydali bo'ladi, unda Dq perseptronining kerakli natijalarining qiymatlari perseptron tomonidan hisoblangan haqiqiy (prognoz qilingan) Y q bilan taqqoslanadi. Bunday gistogrammaning namunasi rasmda ko'rsatilgan. 6.19.

2-rasm.Istalgan tarmoq chiqishlarining haqiqiy (prognoz) nisbatini ko'rsatadigan gistogramma misoli
Agar kerakli Dq chiqish vektorining komponentlari va haqiqiy chiqish vektori Y q o'rtasidagi farq ahamiyatsiz bo'lib chiqsa, u holda siz tarmoqni optimallashtirishni amalga oshirmasdan keyingi 6-bosqichga o'tishingiz mumkin. Biroq, ishlab chiqilgan neyron tarmog'ining matematik modelining muvofiqligini yana bir bor tekshirish uchun 2-bosqichga qaytish va o'quv to'plamiga sinovdan o'tgan misollarni (yoki ba'zi sinov misollarini) kiritish va ulardan ba'zilarini qilish foydalidir. o'qitish, sinovdan o'tkazish bo'lgan misollar. Keyin 3, 4 va 5-bosqichlarni yana takrorlang.
Agar tarmoqni umumlashtirish xatosi qabul qilib bo'lmaydigan darajada katta bo'lib chiqsa, biz tarmoqni optimallashtirishga harakat qilishimiz kerak. Ushbu operatsiya ma'lum bir vazifa uchun eng mos tarmoq strukturasini tanlashdan iborat - yashirin qatlamlar soni, yashirin neyronlar soni, sinaptik ulanishlar soni, shuningdek, neyronlarni faollashtirish funktsiyalarining turi va parametrlari. Ba'zi neyron paketlar tarmoqni avtomatik optimallashtirishni ta'minlaydi, ammo bunday optimallashtirishni yashirin neyronlar soniga (6.2-rasmga qarang) va perseptronning boshqa parametrlariga nisbatan umumlashtirish xatosi ET grafigini tuzish va keyin ulardan foydalanish orqali qo'lda bajarish foydali bo'lishi mumkin. minimal umumlashtirish xatosini ta'minlaydigan tarmoq strukturasini tanlash uchun grafiklar.
Optimal tarmoq strukturasini tanlashda shuni esda tutish kerakki, tarmoqni optimallashtirishning maqsadi umumlashtirish xatosini minimallashtirish ET , lekin o'quv xatosi eL emas. Umumlashtirish xatosining kattaligiga qarab, tarmoq sifati, uning umumlashtiruvchi va shuning uchun bashoratli xususiyatlari baholanadi. O'rganish xatosi faqat oraliq natijadir. Uning kichik bo'lishi ma'qul, lekin uning minimal qiymatiga erishish umuman zarur va hatto zararli emas, chunki 2-rasmdagi grafiklardan ko'rinib turibdiki. 6.2, bu qayta tayyorlashning ta'siriga olib keladi, ya'ni umumlashtirish xatosining ortishi.
Neyron tarmoqni optimallashtirish 4, 3, 2 bosqichlarga yoki hatto 1-bosqichga bir necha marta qaytishni nazarda tutishi aniq. 1-bosqichda vazifa qayta o'rnatiladi, shu jumladan kirish parametrlarining ahamiyatini qayta baholash va ularni keyinchalik kamaytirish , yoki, aksincha, qo'shish. Eslatib o'tamiz, arzimas kirish parametrlarini ishlab chiqilgan neyron tarmoq yordamida kirish parametrlarini navbatma-navbat chiqarib tashlash va umumlashtirish xatosini kuzatish orqali aniqlash mumkin. Agar neyron tarmoqni umumlashtirish xatosi har qanday kirish parametrini istisno qilganda ortib borsa, u holda bu parametr ushbu matematik model uchun ahamiyatlidir. Aks holda, parametr muhim emas va muammoni o'rnatishda uni hisobga olmaslik kerak.
Tarmoqni optimallashtirgandan so'ng, tasdiqlovchi to'plam P misollari yordamida uning umumlashtiruvchi xususiyatlarini tekshirish tavsiya etiladi. Gap shundaki, optimallashtirish jarayonida tarmoq sinov majmuasi misollariga "moslashishi" mumkin. Agar biron sababga ko'ra ushbu misollar butun fan sohasi uchun odatiy bo'lmasa, test yoki o'quv to'plamlarida bo'lmagan boshqa misollarda bu kutilmagan darajada katta xatolik berishi mumkin. Bunday hodisani istisno qilish uchun, shuningdek, ishlab chiqilgan matematik modelning muvofiqligini nihoyat tekshirish uchun tarmoqni bashorat qilish xatosi εP tasdiqlovchi to'plamda, ya'ni o'qitishda ham, testda ham ishtirok etmagan misollar bo'yicha hisoblanadi.
Tarmoqni optimallashtirish va tekshirish natijasi predmet sohasining foydalanishga tayyor neyron tarmoq matematik modeli – intellektual axborot tizimi (IIS) hisoblanadi.