Глава 1     Глава 2   
 

 

5.1. Эпохи-Epochs. Задает число эпох обучения, которые проходятся при одном нажатии клавиши Обучить - Train. Значение по умолчанию установлено 100.

5.2. Скорость обучения-Learning rate.

При увеличении скорости алгоритм работает быстрее, но в некоторых задачах это может привести к неустойчивости. Установим в начале максимальное значение 0,9, но убедившись, что оно не подходит, так как это приводит к неустойчивости (скорее всего из-за того, что данные зашумлены), подбором определяем значение 0,1, наилучшее для нашей сети и процесса обучения.

5.3. Инерция-Momentum. Этот параметр ускоряет обучение в ситуациях, когда ошибка мало меняется, а также придает алгоритму дополнительную устойчивость. Вообще этот показатель выбирают небольшим, при высокой скорости. Но для данного алгоритма применяется величина равная 0,9. Для рассматриваемой сети наилучшей была признана величина 0,1.

5.4. Перемешивать наблюдения - Shuffle Cases. Данный параметр не позволит алгоритму «застрять», улучшая показатели его работы, так как порядок, в котором наблюдения подаются на вход сети, меняется в каждой эпохе.

6. Если после оптимизации параметров алгоритма обратного распространения ошибки меняются незначительно, то возможно изменить веса, которые меняются автоматически, если нажать клавишу Reinitialize, предварительно очистив окно Training error graph (Clear). А затем опять начать процесс обучения, нажав клавишу Train (обучение). Стоит также проанализировать и изменившееся диалоговое окно Regression Statistics (рисунок 4.35).

7. Последним моментом является запуск нейронной обученной сети, который может осуществляться тремя способами.

7.1. Обработка наблюдений по одному: Run → Run Single Case → Case No (введите номер наблюдения, подлежащего обработке) → нажмите клавишу Run и в поле Output проследите выходное значение.

7.2. Прогон всего набора данных: Run → Run Data Set → нажмите клавишу Run, и результаты будут выведены в нижней части окна. Наибольший интерес представляет среднеквадратическая

ошибка – RMS error сети на данном наборе данных.

7.3. Тестирование на отдельном наблюдении: Run → Run One-off Case →введите входное значение и нажмите клавишу Run, и результаты будут выведены в поле Output.

if gte vml