M. A. Kamenskaya

Классы систем Ma'lumotlarni qazib olish tizimlari sinflari (ma'lumotlarni olish)
Data Mining-bu turli xil usullar va algoritmlarni amalga oshiradigan multidisipliner soha, masalan, amaliy statistika, naqshni aniqlash, neyron tarmoqlar, Teo­rii ma'lumotlar bazalari va boshqalar.ko'pgina Data Mining tizimlari bir vaqtning o'zida bir nechta yondashuvlarni birlashtiradi.
Statistik usullar. Deyarli barcha ma'lum­statistik paketlarning so'nggi versiyalari nafaqat an'anaviy statistik usullarni, balki ma'lumotlarni olish elementlarini ham o'z ichiga oladi. Ulardan biri­asosiy e'tibor hali ham klassik meta­-diklarga qaratilgan-korrelyatsiya, regressiya, omil anal­zu va boshqalar.
Statistik paketlarning asosiy kamchiligi­, ularni Data Mining — da qo'llashni cheklash statistikparadigma bo'lib, unda tadqiqotchi­haqiqiy murakkab tabiiy jarayonlar haqida gap ketganda, ko'pincha ma'nosiz bo'lgan o'rtacha ha rakteristik namunalari bilan ishlaydi [20]. ­Matik statistika Mate usullari asosan allaqachon tuzilgan gipotezalarni (verification-driven data mining) tekshirish va ma'lumotlarni tezkor analitik qayta ishlash (online analytical processing, OLAP) asosini tashkil etuvchi "qo'pol" razvedka tahlili uchun foydali bo'ldionline analytical processing, OLAP. Diskriminant­, omil va boshqa shunga o'xshash Vid tahlillari kabi" ko'p o'lchovli metolar "­yakuniy natijaga o'rtacha qiymatlarning xayoliy vektorlari, shuningdek­kovariatsion va korrelyatsion matritsalar bo'yicha operatsiyalar orqali keladi, shuning uchun ularning yordami bilan olingan natijalar noto'g'ri bo'lishi mumkin va ba'zida ma'no etishmasligi uchun gunoh qiladi­. Eng kuchli va keng tarqalgan statistik paketlar [20, 48] STATISTICA, SAS (com­pania sas Institute), SPSS, STATGRAFICS (Manugistics), STADIA va boshqalar deb ataladi.
Neyron tarmoqlari. Ushbu katta tizimlar sinfi neyronlarni juda oddiy mi avtomatiga taqlid qilish mumkin degan fikrga asoslanadi­va miyaning barcha murakkabligi, uning ishlashining moslashuvchanligi va boshqa muhim fazilatlar sa mih neyronlarining xususiyatlari bilan emas, balki­ular orasidagi bog'lanishlar bilan belgilanadi (ulanish-Siyanizm printsipi, ingliz tilidan. ulanish -aloqa). Iskus­devor neyron tarmoqlari va tabiiy miya o'rtasidagi o'xshashlik, albatta,­juda qo'pol. Neyron tarmoqlari bir — biriga bog'langan­elementlardan-rasmiy neyronlardan iborat. Neyronlarning har biri bir xil kuchaytirgichdir, ko'p sonli kirishlar va bitta­uy. Ulanish printsipi quyidagi fikrlarni o'z ichiga­oladi: 1) tizim bir hil (elementlar bir xil va juda sodda, barcha harakatlar bog'lanish tuzilishi bilan belgilanadi; 2) ishonchsiz elementlarning ishonchli tizimi va "analog uyg'onish" (oddiy analog elementlardan foydalanish); 3)" golografik " si­stemlari (tasodifiy tanlangan qismni yo'q­qilganda, Co tizimi foydali xususiyatlari).
Ko'pgina neyron tarmoqlar bir nechta standart­arxitekturalardan foydalanadi va biz faqat diskret vaqt nuqtalarida sinxron ishlaydigan neyron tarmoqlarga qiziqamiz: barcha neyronlar bir vaqtning o'zida yonadi. Tekturaning ikkita asosiy arxi­mavjud.
Qatlamli tarmoqlarda neyronlar bir necha qatlamlarda joylashgan. Ney­birinchi qatlam ronlari kirish signallarini oladi, ularni o'zgartiradi va tarmoqlanish nuqtalari orqali ikkinchi qatlam neyronlariga uzatadi. Keyin ikkinchi qatlam ishga tushadi va hokazo к-го tarjimon va foydalanuvchi uchun chiqish signallarini chiqaradigan k-qatlamga. Agar boshqacha tartib nazarda tutilmagan bo'lsa, har bir chiqish signali / -qatlam barcha neyronlarning kirishiga beriladi / + 1-qatlam. Har bir qatlamdagi neyronlar soni har qanday bo'lishi mumkin va u boshqa qatlamlardagi neyronlar soniga bog'liq emas. Uch qavatli tarmoqlar ayniqsa keng tarqalgan.
To'liq bog'langan tarmoqlarda har bir neyron o'z chiqishini boshqa neyronlarga, shu jumladan o'ziga ham uzatadi. Tarmoqning chiqish signallari tarmoq faoliyatining bir necha soatlaridan keyin neyronlarning barcha yoki ba'zi chiqish signallari bo'lishi mumkin. Barcha kirish signallari barcha neyronlarga beriladi.
Ma'lumot olish tadqiqotlarida qo'llanilishi mumkin bo'lgan keng tarqalgan neyron tarmoq arxitekturalaridan biri bu ci xatolarining teskari tarqalishi bilan ko'p qatlamli pertseptrondir­. Bu ierarxik tarmoq bo'lib, unda har bir yuqori darajadagi neyronning kirishlari asosiy qatlam neyronlarining chiqishlari bilan bog'langan. Eng pastki qatlamning neyronlariga kirish parametrlarining qiymatlari beriladi­— keyingi qatlamga uzatiladigan signallar,­neyronlararo bog'lanishlarga bog'liq bo'lgan raqamlar (og'irliklar) ga qarab zaiflashadi yoki kuchayadi. The­natija eng yuqori qatlamning neyroni chiqishidagi bir­xil qiymat ishlab chiqariladi, bu butun tarmoqning kirish parametrlarining kiritilgan qiymatlariga javob — reaktsiyasi sifatida qaraladi. Tarmoqdan foydalanish uchun avval uni kirish parametrlarining qiymatlari va ularga to'g'ri javoblar ma'lum bo'lgan mavjud ma'lumotlarga o'rgatish kerak. Trening­tarmoq javoblarining ma'lum to'g'ri javoblarga eng yaqinligini ta'minlaydigan neyronlararo aloqalar tarozilarini tanlashdan iborat. Neyron tarmoq yondashuvining asosiy kamchiligi shundaki, juda katta hajmdagi o'quv namunasi talab qilinadi. Bundan tashqari, hatto o'qitilgan neyron tarmoq ham "qora quti"dir. Birinchidan, neyron tarmoqlarning topologiyasi­evristik mulohazalar asosida o'rnatiladi. Ikkinchidan, murakkab topologiyaga ega bo'lgan o'qitilgan neyron tarmoqlarda yuzlab va minglab neyronlararo aloqalarning og'irligi inson tomonidan tahlil qilinmaydi va talqin qilinmaydi [20]. Ma'lumotlarni olishning maqsad va vazifalariga­o'z-o'zini tashkil etuvchi (eriydigan yoki rivojlanayotgan) mantiqiy neyron tarmoqlarining rivojlanishi bilan bog'liq bo'lgan yondashuv mos­тущих или эволюционирующих) keladi, ularning tuzilishi mantiqiy bayonotlar shaklida dekodlanishi mumkin. Biroq, bu yondashuv, shuningdek, evolyutsion algoritmlarga xos bo'lgan kamchiliklardan aziyat­chekmoqda