|
На первом этапе были проведены эксперименты для выяснения оптимальных параметров нейросети, предназначенной для решения задачи предсказания статуса члена группы. Из-за малочисленности выборок эксперименты велись в режиме «скользящего тестирования», когда для решения задачи обучается столько же сетей, сколько задач в задачнике. При обучении каждой из сетей одна задача исключалась, и потом сеть тестировалась по ней. Для оценки качества предсказания Hвыб применялся средний модуль ошибки , чем ниже значение - тем, соответственно лучше предсказание. Результаты этого этапа экспериментов сведены в таблицу 1.
Значения чисел нейронов - Nneu - были взяты из следующих соображений: нейросети с числом нейронов менее 16 обучались решению задачи неустойчиво, процесс оптимизации постоянно заходил в тупик, а Hвыб во всех таких экспериментах превышало 3 (30% относительной погрешности). 64 является максимально допустимым значением числа нейронов для программы MultiNeuron v.2.0. Значения характеристических чисел нейронов были распределены в интервале от 0.1 до 0.7, поскольку данный интервал является, по опыту, накопленному в группе «НейроКомп» [32], [33], [34], [36], [39], [41], [59], [84], [86], интервалом, в котором как правило лежат оптимальные характеристические числа нейронов.
Таким образом, по результатам данной серии экспериментов оптимальным было признано количество нейронов, равное 16, и характеристический параметр нейрона равный 0.1, поскольку данные значения обеспечивают наилучшую выборочную оценку качества прогноза Hвыб.
Следующим этапом работы была серия экспериментов, позволяющих оценить точность предсказания статуса исследуемых внутри групп. Для каждой из групп было выполнено обучение сетей для проведения скользящего контроля. Затем результаты скользящего контроля фиксировались и сводились в табл. 2.
Таблица 2 Результаты экспериментов по установлению точности предсказания стауса исследуемых внутри групп | ||
№ |
Количество испытуемых |
Hвыб |
1 |
19 |
2,587 |
2 |
17 |
2,854 |
3 |
12 |
2,475 |
|
Однако, по опыту применения нейроимитаторов, известно, что на одних и тех же обучающих выборках предсказание выдаваемое сетью может существенно разниться.
Причина этого в том, что начальная карта синаптических весов генерируется случайным образом. Для преодоления данной проблемы в практике создания нейросетей (см. например [36]) используется предсказание ответов группой сетей, обученных на одних и тех же данных - консилиумом.
Решено было применить этот метод и для данной задачи. При проведении скользящего контроля по выборке для каждого из случаев обучалась не одна нейросеть, а десять.
Фиксировались средние выборочные значения ошибки предсказания статуса каждым из экспертов, а затем, оценивалась погрешность предсказания всем консилиумом.
Таблица 3 Оценки погрешностей предсказания статуса исследуемых в группах консилиумами сетей. | ||||||||||||
Nиссл |
H1 |
H2 |
H3 |
H4 |
H5 |
H6 |
H7 |
H8 |
H9 |
H10 |
Hср |
Hвыб |
19 |
3,02 |
3,68 |
3,88 |
4,13 |
3,14 |
3,38 |
4,09 |
3,46 |
2,82 |
3,32 |
3,49 |
2,83 |
17 |
3,32 |
4,80 |
4,33 |
4,50 |
4,46 |
3,15 |
3,72 |
4,31 |
3,20 |
4,51 |
4,03 |
3,84 |
12 |
2,20 |
2,68 |
3,23 |
2,59 |
3,86 |
2,96 |
2,82 |
3,28 |
3,52 |
2,58 |
2,97 |
2,41 |
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17
При использовании материалов активная ссылка на источник обязательна.