Проверяемый текст
Никонов Вячеслав Викторович. Методика и информационно-вычислительный комплекс интеллектуальной поддержки принятия решений на основе механизма немонотонного логического вывода и нейросетевых технологий (Диссертация 2010)
[стр. 93]

обрабатывающего элемента (нейрона), сеть связей (топологию и веса), число слоев в ИНС и управляющую структуру (включая алгоритм обучения).
Выбор структуры ИНС осуществляется в соответствии с особенностями и сложностью задачи.
Для решения задач определенных классов уже существуют оптимальные конфигурации ИНС, подробно описанные, например, в работах [83-85].
При синтезе новой конфигурации следует учитывать, что возможности ИНС возрастают с увеличением числа нейронов, плотностью связей между ними, числа слоев.
Кроме того, введение обратных связей увеличивает возможности ИНС, однако влияет на ее динамическую устойчивость, а сложность алгоритмов функционирования ИНС и введение нескольких типов синапсов способствуют усилению ее мощности.

Основными проблемами использования ИНС являются: большое время, затрачиваемое на выбор оптимальной ИНС, результат обучения которой дает приемлемую ошибку обучения, а результат функционирования (на тесовой выборке) приемлемую ошибку обобщения (прогноза); возможность переобучения ИНС.
Переобучение это чрезмерно точная подгонка, которая имеет место при слишком продолжительной работе алгоритма обучения со сложной (для данной задачи или для имеющегося объема данных) структурой ИНС.
При этом ИНС с большим числом весов моделируют более сложные функции, поэтому и склонны к переобучению.
Однако ИНС с небольшим числом могут оказаться недостаточно гибкими, чтобы смоделировать искомые зависимости, отражающие необходимые для оценки и прогнозирования причинно-следственные связи.
93
[стр. 61]

4.
Адаптивность.
Нейронные сети обладают способностью адаптировать свои синаптические веса к изменениям входных сигналов.
В частности, нейронные сети, обученные действовать с определенными сигналами, могут быть легко переучены для работы в условиях незначительных колебаний параметров.
5.
Эксплуатация обученной нейронной сети не требует дополнительной подготовки пользователей и их высокой квалификации.
Кроме этого, нейросетевой метод моделирования не требует априорного задания вида исследуемой зависимости.
Процесс создания ИНС для решения задачи определения концентрации вредного вещества но данным спектра поглощения схематично показан на рисунке 3.1, который проходит в два основных этапа: определение архитектуры и обучение ИНС.
Выбрать тип ИНС, задать ее конкретную архитектуру это определить модель обрабатывающего элемента (нейрона), сеть связей (топологию и веса), число слоев в ИНС и управляющую структуру (включая алгоритм обучения).
Выбор структуры ИНС осуществляется в соответствии с особенностями и сложностью задачи.
Для решения задач определенных классов уже существуют оптимальные конфигурации ИНС, подробно описанные, например, в работах [83-85].
При синтезе новой конфигурации следует учитывать, что возможности ИНС возрастают с увеличением числа нейронов, плотностью связей между ними, числа слоев.
Кроме того, введение обратных связей увеличивает возможности ИНС, однако влияет на ее динамическую устойчивость, а сложность алгоритмов функционирования ИНС и введение нескольких типов синапсов способствуют усилению ее мощности.

61

[Back]