Parametrik va metrik usullar o'rtasidagi ma'lum bir kelishuv tasniflash muammolarini hal qilish uchun neyron tarmoqlardan foydalanish hisoblanadi

Tarmoq arxitekturasini tanlash
Yuqorida ta'kidlanganidek, tasniflash masalalarini hal qilish uchun neyron tarmoqlarning maxsus arxitekturalaridan foydalanilmaydi. Bu erda odatiy yechim ketma-ket ulanishlar (perseptronlar) bilan tekis qatlamli tarmoqlardir. Odatda, bir nechta tarmoq konfiguratsiyasi turli xil neyronlar soni va ularni qatlamlarga ajratish usullari bilan sinovdan o'tkaziladi.
Bunday holda, tanlash uchun asosiy ko'rsatkich o'quv majmuasining hajmi va tarmoqning umumlashtirish qobiliyatiga erishishdir. Ko'p qo'llaniladigan o'rganish algoritmi - bu tekshirish to'plamiga ega orqaga tarqalish (orqaga tarqalish) HYPERLINK "https://wiki.loginom.ru/articles/validation-set.html" \t "_blank" .
Klassifikatorni qurish algoritmi
Neyron tarmoq asosida klassifikatorni yaratish bir necha bosqichlarni o'z ichiga oladi.

1. 
   Ma'lumotlarni tayyorlash
   
   1. 
      Berilgan vazifaga xos misollar bazasini yarating
      
   2. 
      Barcha ma'lumotlar to'plamini ikkita to'plamga bo'ling: o'qitish va test (3 to'plamga bo'lish mumkin: o'qitish, test va tekshirish )
      
2. 
   Ma'lumotlarni oldindan qayta ishlash
   
   1. 
      Tasniflash vazifasi nuqtai nazaridan ahamiyatli xususiyatlarni tanlab oling.
      
   2. 
      Transformatsiyani amalga oshiring va agar kerak bo'lsa, ma'lumotlarni tozalang (normallashtirish, dublikatlarni va qarama-qarshiliklarni yo'q qilish, chegaralarni bostirish va boshqalar). Natijada, misollar to'plamining chiziqli sinfga ajratiladigan fazosini olish maqsadga muvofiqdir.
      
   3. 
      Chiqish qiymatlari uchun kodlash tizimini tanlang (klassik kodlash, 2 ga 2 kodlash va boshqalar).
      
3. 
   Tarmoqni loyihalash, o'qitish va sifatini baholash
   
   1. 
      Tarmoq topologiyasini tanlang: qatlamlar soni, qatlamlardagi neyronlar soni va boshqalar.
      
   2. 
      faollashuv funktsiyasini tanlang (masalan, logistika, gipertangent va boshqalar).
      
   3. 
      Tarmoqni o'rganish algoritmini tanlang
      
   4. 
      Tarmoq sifatini tekshirish to'plami yoki boshqa mezonlar asosida baholang, arxitekturani optimallashtiring (vaznni pasaytirish, xususiyat maydonini qisqartirish)
      
   5. 
      Sinov to'plamidagi ish sifatini umumlashtirish va baholashning eng yaxshi qobiliyatini ta'minlaydigan tarmoq variantiga to'xtalib o'tamiz.
      
4. 
   Foydalanish va diagnostika
   
   1. 
      Qabul qilinayotgan qarorga turli omillarning ta'sir darajasini aniqlang (evristik yondashuv)
      
   2. 
      Tarmoq kerakli tasniflash aniqligini ta'minlaganligiga ishonch hosil qiling (noto'g'ri tan olingan misollar soni kam)
      
   3. 
      Agar kerak bo'lsa, misollarni taqdim etish usulini o'zgartirish yoki ma'lumotlar bazasini o'zgartirish orqali 2-bosqichga qayting
      
   4. 
      Muammoni hal qilish uchun tarmoqdan amalda foydalaning
      

Samarali klassifikatorni yaratish uchun yuqori sifatli dastlabki ma'lumotlarga ega bo'lish kerak. Neyron tarmoqlar yoki statistik usullarga asoslangan klassifikatorlarni qurish usullarining hech biri, agar mavjud misollar to'plami to'liq bo'lmasa va hal qilinayotgan muammo uchun etarli darajada vakili bo'lmasa, hech qachon modelning talab qilinadigan sifatini ta'minlay olmaydi.