Russian Language English Language

5. Модели и методы для организации управления ВС

5.1 АЛГОРИТМ IDA* ПОИСКА НА ДЕРЕВЬЯХ РЕШЕНИЙ НА ЯЗЫКЕ ФУНКЦИОНАЛЬНЫХ СХЕМ

5.2 ПРИМЕНЕНИЕ КОГНИТИВНОЙ ГРАФИКИ ДЛЯ ВИЗУАЛЬНОГО РЕШЕНИЯ ЗАДАЧ

5.3 ИССЛЕДОВАНИЕ МЕТОДОВ НАХОЖДЕНИЯ МИНИМАЛЬНЫХ АБДУКТИВНЫХ ОБЪЯСНЕНИЙ

5.4 РАСПАРАЛЛЕЛИВАНИЕ ПРОЦЕССА СБОРКИ ФОКИАНА

5.5 РАЗДЕЛЕНИЕ ПРИОРИТЕТОВ В МНОГОЗАДАЧНОЙ ГЛОБАЛЬНО-РАСПРЕДЕЛЕННОЙ ВЫЧИСЛИТЕЛЬНОЙ СЕТИ

5.6 ЗАДАЧИ УПРАВЛЕНИЯ ПРОИЗВОДИТЕЛЬНОСТЬЮ КОРПОРАТИВНЫХ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ

5.7 КОНФЛИКТНЫЕ СИТУАЦИИ ПРИ ПЕРЕДАЧЕ ДАННЫХ В МНОГОМАШИННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ С РЕГУЛЯРНОЙ СТРУКТУРОЙ

5.8 ОБОСНОВАНИЕ МЕТОДОВ ИССЛЕДОВАНИЯ НЕЛИНЕЙНЫХ СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ

5.9 СПОСОБЫ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНОГО ВХОДНОГО НАБОРА ПРИЗНАКОВ НЕЙРОСЕТЕВОЙ СИСТЕМЫ УПРАВЛЕНИЯ


Экспресс информация

Редколлегия журнала

Подписка на новости

Гостевая книга

Предоставление материалов

Письмо в редакцию

На начало


2007, Номер 1 ( 10)



Place for sale
Н

BC/NW 2007, №1, (10) :5.9

 

СПОСОБЫ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНОГО ВХОДНОГО НАБОРА ПРИЗНАКОВ НЕЙРОСЕТЕВОЙ СИСТЕМЫ УПРАВЛЕНИЯ

 

Н.С. Твердохлеб, М.О. Корлякова

 

(МГТУ им. Н.Э. Баумана Калужский филиал)

 

Цель: Рассмотреть и проанализировать методы нахождения информативности признаков, дать их характеристику и определить область применения.

Актуальность: Качество работы нейросетевых систем значительно зависит от степени описания входного образа, поэтому возникает необходимость определить способы выбора меры информативности признаков с учетом характеристик решаемой задачи.

Материалы и методы: Способы определения оптимального набора признаков были рассмотрены на примере нейросетевой системы управления комплекса контроля доступа «СОМО» [1]. Все меры с той или иной точностью решают вопрос информативности. Для сравнения результатов их работы провели численный эксперимент на выборке данных из [1]. Определили скорость сходимости этих мер к некоторому стабильному порядку. Для этого провели серию экспериментов на нейронной сети с выборками разного объема.

Результаты: Результаты моделирования нейронной сети для сокращенных подмножеств признаков, полученных разными мерами определения информативности, показал, что ошибка распознавания при решении одной и той же задачи существенно зависит от способа вычисления информативности. В ходе экспериментов все меры показали практически стабильный порядок признаков. Это позволяет гарантировать стабильный результат и для большего числа объектов. Анализ результатов вычислительного эксперимента, рассмотренного в [3], показал, что методы вычисления информативности можно условно разделить на три группы методов: с жесткими, слабыми и средними требованиями.

Выводы: Точность анализа информативности зависит от качества выборки и ее объема. Однако меры информативности показали хорошую сходимость результатов по объему выборки. Выбор метода вычисления информативности зависит от свойств решаемой в рассматриваемом пространстве признаков задаче. Необходимо увязывать выбор той или иной меры информативности с особенностями поставленной прикладной задачи. Решение о выборе меры информативности может быть построено на основе технологий интеллектуальной обработки данных.

Литература

1.   Земляная Н.Б., Корлякова М.О Выбор модели нейросетевого управления системы контроля доступа.// Научная сессия МИФИ-2005. Всероссийская НТК «Нейроинформатика-2005». Сборник научных трудов в 2-х частях. Ч.1. – М.:МИФИ, 2005. 212 с. С. 122-129.

2.   Гайдышев И. Анализ и обработка данных: специальный справочник. – СПб: Питер, 2001. – 752 с.

3.   Корлякова М.О., Твердохлеб Н.С. Анализ подходов к определению информативности признаков. // Научная сессия МИФИ-2006. Сборник научных трудов. В 16 томах. Т.3. Интеллектуальные системы и технологии. М.: МИФИ, 2006. 256 с.  С. 146-147.