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