Информационные технологии в управлении. Аналитическая платформа Deductor. Учебное пособие по проведению практических занятий со студентами управленческих направлений подготовки. Виктор Дудихин
rel="nofollow" href="#image14_5a3274191440b77a405064ca_jpg.jpeg"/>
2.5 Существуют различные полуэмпирические формулы для определения количества нейронов в нейронной сети достаточного для решения поставленной задачи. Установите это количество равным двадцати четырем. Остальные параметры при построении нейронной сети оставьте по умолчанию.
2.6 Оставьте исходным алгоритм обучения и его параметры (Нажав «Далее»).
2.7 Установите параметры остановки обучения нейронной сети – ошибку менее 0,01 или достижение эпохи обучения 25000.
2.8 Запустите процесс обучения нейронной сети, нажав кнопку «Пуск».
Наблюдайте изменение величины ошибки, а также процента распознанных примеров.
Во время процесса обучения нейросети происходит автоматический подбор весовых коэффициентов связи между ее отдельными нейронами, согласно штатному алгоритму, реализованному в аналитической платформе Deductor (в системе используется алгоритм обратного распространения ошибки).
Как правило, обучение занимает несколько минут. При необходимости пользуйтесь кнопками «Стоп» и «Пауза».
После остановки обучения нажмите «Далее».
2.9 После окончания обучения выберите визуализаторы Data Minig («Граф нейросети», «Диаграмма рассеяния», «Что-если») и Табличные данные («Обучающий набор», «Таблица» и «Статистика»).
В результате обучения нейросети будут получены
A. Граф нейросети
Структура полученной нейронной сети представлена на ее графе. На нем приведена схема связей между отдельными нейронами. Нейроны (они представлены на рисунке красными точками) взаимодействуют при помощи синаптических связей (представлены в виде линий) с весовыми коэффициентами передачи сигнала, найденными в процессе обучения.
Цвет найденной связи соответствует ее величине. Красный – сильная связь, синий – слабая.
Диаграмма рассеяния показывает расхождение прогнозируемых данных относительно эталонных.
На рисунке показано графическое представление эталонных значений и результатов, полученных при использовании нейронной сети.
B. Таблица результатов, где А и В исходные операнды, R – эталонное значение результата, АВ_OUT – результат полученный от нейронной сети, а АВ_ЕRR – значение абсолютной ошибки.
C. Cтатистические характеристики: в данном примере наибольший интерес представляют характеристики ошибки моделирования.
D. Инструмент для проведения вычислений «Что-если», так как введя значения операндов А и В можно рассчитать их сумму или их произведение.
2.10 Сохраните полученный сценарий в файле (имя файла произвольно) нажав Файл – > Сохранить как – > Сохранить