Круглов В.В., Борисов В.В. - Искусственные нейронные сети (ИНС) Теория и практика (778918), страница 34
Текст из файла (страница 34)
Редактирование ггдфайла при помощи системы эпекптронных гпабпиц )ИЯ Ехсег, Файл обучения, тестирования и опроса по своей структуре является текстовым файлом и редактируется при помощи встроенного текстового редактора й)еига! Р)аппег. Однако данный редактор обладает малыми воэможностями и работать с ним крайне не- удобно, особенно если требуется вводить большое количество векторов. Поэтому рекомендуется в 1>)еига1 Р)аппег создавать только каркас )11-файпа, а затем заносить в него значения при помощи пюбой системы эпектронных таблиц, в частности, Ехсе) При открытии й-файпа в Ехсе1, он автоматически преобразуется в нужный формат, аналогичный приведенному в табп.
5.1. таблица 5 1 Вначале в таблице выводятся названия разделов и имена векторов дпя каждого раздела, в верхней строке выводятся метки нейронов. Значения векторов вводятся в ячейки на пересечении имени вектора и соответствующей метки нейрона Следует обратить внимание на то, что дпя входных значений символы-разделитепи разделов имеют вид «»>, а дпя выходных — «». После того, как файл будет отредактирован, необходимо сохранить его под тем же именем и с тем же расширением, не преобразовывая в формат * х15.
3) Тестирование нейронной сети Напомним, что тестирование нейронной сети — это ее кратковременный опрос в процессе обучения. В процессе такого опроса сети предъявляются векторы тестирования, вычисляются вы- 214 ходные значения и находится текущая ошибка на данном шаге обучения. Тестирование осуществляется при помощи векторов, занесенных в раздел теста й-файла Векторы тестирования могут совпадать с векторами обучения или быть другими, но с заранее известными выходными значениями.
Раздел теста открывается при помощи команды Орел/Тев1(пд Где Зес1юп из меню Рде, Ввод векторов в этот раздел аналогичен вводу векторов обучения и опроса. Управлять процессом тестирования можно при помощи опций окна Соп1го( (рис. 537). Опция Сус)ев Рег Тев1 определяет количество циклов обучения, между каждым циклом теста нейронной сети (данной опции должно быть присвоено значение ноль, если тестирование не предусматривается). Опция Сус!ев Ве1оге Тев1 определяет количество циклов обучения, которое должно быть завершено перед первым циклом теста нейронной сети (значение опции желательно устанавливать достаточно высоким, чтобы позволить сети находить оптимальное направление спуска к нулевой ошибке прежде, чем будет проведено тестирование, в противном случае тестирование не даст положительных результатов).
Опция Тагде1 'l«Соггес1 ог )и йапде+г — '7» устанавливает целевой процент правильных результатов, при достижении которого обучение останавливается. После каждого тестирования сеть автоматически записывается в файл с расширением Ьпр Если результаты текущего теста лучше полученных ранее (т е. ошибка меньше), то файл обновляется. 4) Опрос нейронной сети Для того, чтобы опросить сеть, необходимо предварительно ввести входные значения в специальный раздел й-файла.
Данный раздел открывается при помощи команды Орепдп1еггода1(пд Еде Зесбоп из меню Рде. Ввод векторов опроса аналогичен вводу векторов обучения, но в разделе выходных значений сети необходимо оставить символ «?» Опрос сети осуществляется командой (п1еггода1е из меню Асг(оп. Перед опросом нужно загрузить раздел (п1еггодабпд (Опрос) 1(рфайла при помощи стандартного окна Орел Еде, появляющегося при выборе команды.
Результаты опроса, отображаются в соответствующем диалоговом окне, приведенном на рис. 5.44 Окно содержит средства управления, позволяющие переключаться между входными векторами и изменять их значения Входные значения сети можно изменить, используя опции (псгеаве (Увеличение), Оесгеаве (Уменьшение), Спапде (Изменение), М(п (Минимальное) и Мах (Максимальное) значение. Переключаться между векторами опроса можно при помощи кнопок 14ех1 (Сле- 215 дующий), Васк (Предыдущий), Г)гв! (Первый) и !.ав! (Последний) Кнопки Зеек Н)В!» и Зеек !.оиг позволяют найти входные значения текущего векгора опроса, приводящие к самому высокому или низкому значению компонентов выходных векторов (при такой операции необходимо установить флажки в опциях Сус(е (Цикл) и йеа! (Действительное значение) Мы~ 1~~ кеи ~ Кеи ) -»е»«и«- — - — — - — — — - — ' Ое»Е«»е !е«гееее~ й~~ые~ а»п ~ И«В~ Г'Ск«»е ее««и»5Ь~ 5«еьь«В~ %~5«еа~ ии ° ~~~ »Ие»И«И (5.5 ] 5«! ~ Рис.
5 44. Диалоговое окно!п»аггоааапа Любой протокол опроса можно записать в отдельный текстовый файл при помощи команды За»ге ав. 5.4.5. Впечатления от работы с нейропакетом Нейропакет денга! Р)аппег 4.52 обладает некоторыми преимуществами по сравнению с ранее рассмотренными, в частности, он позволяет создавать нейронную сеть достаточно сложной структуры (в том числе, с обратными связями) Более простыми являются организация опроса нейронной сети и подготовка данных для обучения и тестирования. В то же время возможности пакета ограничены по числу алгоритмов обучения, а интерфейс излишне упрощен. В общем, можно полагать, что данный нейропакет по классу примерно сопоставим с двумя предыдущими.
216 6.5. Нейропакет Вга1пвпакег Большое число модификаций весьма популярного в нашей стране, особенно среди экономистов, нейропакета Вга(пМахег разработано фирмой СаИогп~а Зс(епййс Ьо((у«аге, 08А (адрес сайта в Интернет пйр://а»ив са(зс(.согп ргобис(з 'п(п~!). Ниже рассмотрим особенности одной иэ распространенных версий данного пакета— Вга(пМахег 3.10, которую можно найти на многочисленных СО- дисках тематики «Математика, экономика, статистика». В.6.1.
Общая характеристика Пакет предназначен дпя построения многослойных нейронных сетей с алгоритмом обучения обратного распространения ошибки. Он включает в себя программу подготовки и анализа исходных данных й(е(Макег, программу построения, обучения и запуска нейронных сетей Вга(пМахег, а также набор утилит широкого назначения. Нейропакет ориентирован на широкий круг задач — от создания прогностических приложений до организации систем распознавания образов и нейросетевой памяти Значительное количество функций программы ориентировано на специалистов в области исследования нейронных сетей Следует отметить, что организация внутреннего представления нейросетевых моделей является «прозрачной» и легко доступной для программного наращивания.
В программе Вга(пМайег предусмотрена система команд для пакетного запуска. Существует интерфейсная программа-функция для включения обученных сетей в программы пользователя. В целом пакет может быть легко интегрирован в программный комплекс целевого использования. Программа Не(Майег предназначена дпя ввода исходных данных вручную либо иэ файлов популярных форматов, статистике-математического анализа этих данных, проведения стандартных процедур их преобразования и создания входных файлов для программы Вга~пМайег Программа также способна обрабатывать выходные данные нейронной сети, выводить статистику ее обучения и прогонки. Программа Вга(пМайег предназначена дпя построения нейронной сети по заданным параметрам, ее обучения в различных режимах, модификации параметров сети Программа имеет значительное количество контрольных функций для оптимизации процесса обучения.
Помимо этого, она реализует ряд методов анализа чувствительности выходов сети к различным вариациям входных данных, при этом формируется подробный отчет, в соответст- 217 вии с которым можно дополнительно оценить степень функциональной зависимости входных и выходных значений Нейросетевой симулятор Вга~пМахег хорошо зарекомендовал себя в задачах прогнозирования, классификации, обработки некорректных данных. Вот некоторые области, где Вга~пМахег уже успешно используется, портфельная торговля, тотализатор на скачках, спортивный прогноз, оценка недвижимости, распознавание речи, ранняя диагностика рака. 6.6.2. Входные и выходные данные Входные и выходные данные могут быть представлены в программе в числовом, символьном видах, а также в виде растровых изображений. Символьные данные представляются набором строк, расположенных в списке, например, «красный», «круглый» и т, п, Каждый символ соответствует одному входному нейрону, и присутствие данного символа во входных данных устанавливает этот нейрон во включенное состояние Символ может быть взвешенным, например, характеризоваться степенью нечеткого включения.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
