Ноябрь 15th, 2014
Процесс самоорганизации будет осуществляться автоматизировано с использованием нейросетевых технологий. Для этого решим задачу определения групп (кластеров) векторов, имеющих определенные общие свойства. Эти векторы содержат как экзогенные факторы, так и эндогенные характеристики. В нашей задаче они являются такими: (X,X,…,Xn, Z). Формально к одному кластеру относятся образы, расстояние между которыми не превышает некоторого положительного числа. Образы такого кластера относятся к гиперсфере. Вместе с тем, значения незначимых факторов могут выходить за пределы гиперсферы по одной или нескольким осям, поскольку они не влияют на принадлежность образа к классу. Определение таких факторов и их изъятие из ИБ позволит уменьшить присутствие шумовых эффектов при решении задач, сократить время обучения нейронной сети и увеличить точность идентификации.
Используем для кластеризации самоорганизующуюся нейронную сеть, которую называют сетью Кохонена по имени финского ученого ТейвоКохонена (104). В ней реализован принцип обучения без учителя и результатом ее функционирования являются сформированные кластеры и отнесение к ним образов. Алгоритм создания, обучения и моделирования для Matlab.
Традиционно для нахождения незначимых факторов
Точность, которая будет потеряна в результате выполнения такой процедуры, компенсируется ростом скорости обучения НС и уменьшением присутствия шумовых эффектов. Таким образом, определением вектора значимых входных факторов заканчивается первый этап самоорганизации базы данных РН. При строительстве часто нужен стабилизатор, Купить стабилизатор вы можете тут.
Традиционно для нахождения незначимых факторов и их изъятие при допущении о линейном характере искомой зависимости использовался метод главных компонент, при нелинейном — методика «box-counting». В первом случае преградой для эффективной реализации такой процедуры является плохая обусловленность корреляционной матрицы, порожденная линейной зависимостью значений параметров ОН, во втором — априорная необходимость изъятия линейной составляющей и, как следствие, имеют место проблемы, характерные для первого случая.
