|
|
|
 Полная информация о товаре
|
Возможности анализировать работу Ваших сетей
NeuroShell 2 позволяет Вам несколькими способами проанализировать, насколько хорошо работает Ваша сеть.
1. Анализ важности входных переменных.
Для сетей с обратным распространением ошибки модуль Показатели Важности вычислит для каждой входной переменной некоторое число. Это число является грубой мерой важности этой переменной для предсказания выхода сети по отношению к другим входным переменным той же сети. Подобные показатели важности имеются также у наших сетей с Генетическим Поиском.
Модуль тренировки сетей МГУА позволяет путем анализа полученной сети выделить самые существенные входные переменные и менее существенные входные переменные. Все остальные входные переменные можно считать несущественными и из дальнейшего расмотрения исключить.
Анализ важности входных переменных позволяет Вам исключить из рассмотрения наименее существенные из входных переменных, что облегчает задачу тренировки сети и часто повышает точность предсказаний.
2. Статистические показатели работы сетей.
Когда Вы применяете натренированную сеть с обратным распространением ошибки, Вы можете вычислить нескольких статистических показателей, включая R квадрат - коэффициент множественной детерминации, часто используемый статистический индикатор. Вы можете вычислить также среднюю квадратичную ошибку, среднюю абсолютную ошибку, минимальную и максимальную абсолютные ошибки предсказаний сети по сравнению с желаемыми ответами. Помимо этого, может быть найден линейный коэффициент корреляции r - статистический показатель силы взаимосвязи между желаемыми и действительными ответами сети.
Такие же статистические показатели вычисляются для Нейронной Сети с Общей Регрессией и для полиномиальной сети (сети МГУА).
Для Вероятностных Нейронных Сетей, которые классифицируют данные, вычисляемые статистические показатели отражают правильность классификации и показывают количество и долю правильных и ложных классификаций.
|
|
