Відмінності між версіями «Штучна нейронна мережа»

зв'язність
(→‎Узагальнення та статистика: скорочено перенаправлення)
(зв'язність)
 
{{Main|Метод групового урахування аргументів}}
 
Метод групового урахування аргументів (МГУА, {{lang-en|Group Method of Data Handling, GMDH}})<ref name="ivak1968">{{cite journal|year=1968|title=The [[Метод групового урахування аргументів|group method of data handling]] – a rival of the method of stochastic approximation|url=|journal=Soviet Automatic Control|volume=13|issue=3|pages=43–55|last1=Ivakhnenko|first1=Alexey Grigorevich|authorlink=Івахненко Олексій Григорович}} {{ref-en}}</ref> демонструє повністю автоматичну структурну та параметричну оптимізацію моделей. Функціями збудження вузлів є {{нп|Поліном Колмогорова — Габора|поліноми Колмогорова&nbsp;— Габора|ru|Полином Колмогорова-Габора}}, що дозволяють додавання та множення. Він використовує глибинний багатошаровий перцептрон прямого поширення з вісьмома шарами.<ref name="ivak1971">{{Cite journal|last=Ivakhnenko|first=Alexey|date=1971|title=Polynomial theory of complex systems|url=|journal=IEEE Transactions on Systems, Man and Cybernetics (4)|issue=4|pages=364–378|doi=10.1109/TSMC.1971.4308320|pmid=|accessdate=}} {{ref-en}}</ref> Він є мережею [[Кероване навчання|керованого навчання]], що росте шар за шаром, де кожен з шарів треновано [[Регресійний аналіз|регресійним аналізом]]. Непотрібні елементи виявляються застосуванням [[Навчальний,Затверджувальний тестовий та затверджувальний наборинабір|затверджувального набору]] та обрізаються шляхом [[Регуляризація (математика)|регуляризації]]. Розмір та глибина отримуваної в результаті мережі залежить від задачі.<ref name="kondo2008">{{cite journal|last2=Ueno|first2=J.|date=|year=2008|title=Multi-layered GMDH-type neural network self-selecting optimum neural network architecture and its application to 3-dimensional medical image recognition of blood vessels|url=https://www.researchgate.net/publication/228402366_GMDH-Type_Neural_Network_Self-Selecting_Optimum_Neural_Network_Architecture_and_Its_Application_to_3-Dimensional_Medical_Image_Recognition_of_the_Lungs|journal=International Journal of Innovative Computing, Information and Control|volume=4|issue=1|pages=175–187|via=|last1=Kondo|first1=T.}} {{ref-en}}</ref>
 
=== Згорткові нейронні мережі ===
 
* вишикувати <math>n_l</math> ознак відповідно до їхньої [[Взаємна інформація|взаємної інформації]] з мітками класів;
* для різних значень ''K'' та <math>m_l \in\{1, \ldots, n_l\}</math> обчислити рівень похибки класифікації [[Метод k-найближчих сусідів|методом ''K''-найближчих сусідів]] (К-НС, {{lang-en|K-nearest neighbor, K-NN}}), використовуючи лише <math>m_l</math> ознак, найінформативніших на [[Навчальний,Затверджувальний тестовий та затверджувальний наборинабір|затверджувальному наборі]];
* значення <math>m_l</math>, з яким класифікатор досяг найнижчого рівня похибки, визначає число ознак для збереження.