Таблица 9. Пример функциональной предобработки числового признака
Линейная предобработка | ||||
---|---|---|---|---|
1.5 | 0.5 | -0.5 | -1 | -1 |
3.5 | 1 | 1 | 0.5 | -0.5 |
Сигмоидная предобработка | ||||
1.5 | 0.3333 | -0.3333 | -0.6 | -0.7142 |
3.5 | 0.7142 | 0.6 | 0.3333 | -0.3333 |
Шапочная предобработка | ||||
1.5 | 0.6 | 0.6 | -0.3846 | -0.7241 |
3.5 | -0.7241 | -0.3846 | 0.6 | 0.6 |
Пусть
Линейная предобработка. В линейной предобработке используется кусочно линейная функция:
Графики функций
Сигмоидная предобработка. В сигмоидной предобработке может использоваться любая сигмоидная функция. Если в качестве сигмоидной функции использовать функцию
Графики функций
Шапочная предобработка. Для шапочной предобработки используются любые функции, имеющие график в виде «шапочки». Например, функция φ(
Графики функций
Позиционная предобработка
Основная идея позиционной предобработки совпадает с принципом построения позиционных систем счисления. Зададимся положительной величиной
где операция сравнения по модулю действительного числа определена в (15). Входные сигналы сети получаются из компонентов вектора
Составной предобработчик
Поскольку на вход нейронной сети обычно подается несколько входных сигналов, каждый из которых обрабатывается своим предобработчиком, то предобработчик должен быть составным. Представим предобработчик в виде совокупности независимых частных предобработчиков. Каждый частный предобработчик обрабатывает одно или несколько тесно связанных входных данных. Как уже отмечалось ранее, предобработчик может иметь один из четырех типов, приведенных в табл. 10. На входе предобработчик получает вектор входных данных (возможно, состоящий из одного элемента), а на выходе выдает вектор входных сигналов сети (так же возможно состоящий из одного элемента).
Таблица 10. Типы предобработчиков
Тип | Описание |
---|---|
Number | Предобрабатывает числовые входные данные |
Unordered | Предобрабатывает неупорядоченные качественные признаки |
Ordered | Предобрабатывает упорядоченные качественные признаки |
Binary | Обрабатывает бинарные признаки |
Необходимость передачи предобработчику вектора входных данных и получения от него вектора входных сигналов связана с тем, что существуют предобработчики получающие несколько входных данных и выдающие несколько входных сигналов. Примером такого предобработчика может служить предобработчик, переводящий набор координат планеты из сферической в декартову.
Для качественных признаков принято кодирование длинными целыми числами. Первое значение равно 1, второе — 2 и т. д. Числовые признаки кодируются действительными числами.
Лекция 9. Описание нейронных сетей
В первой части этой главы описана система построения сетей из элементов. Описаны прямое и обратное функционирование сетей и составляющих их элементов. Приведены три метода построения двойственных сетей и обоснован выбор самодвойственных сетей. Во второй части приведены примеры различных парадигм нейронных сетей, описанные в соответствии с предложенной в первой части главы методикой.