Academic Journal
БЫСТРЫЙ МЕТОД ВЫДЕЛЕНИЯ ОБУЧАЮЩИХ ВЫБОРОК ДЛЯ ПОСТРОЕНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ПРИНЯТИЯ РЕШЕНИЙ ПО ПРЕЦЕДЕНТАМ
| Title: | БЫСТРЫЙ МЕТОД ВЫДЕЛЕНИЯ ОБУЧАЮЩИХ ВЫБОРОК ДЛЯ ПОСТРОЕНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ПРИНЯТИЯ РЕШЕНИЙ ПО ПРЕЦЕДЕНТАМ |
|---|---|
| Authors: | Subbotin, S. A. |
| Source: | Radio Electronics, Computer Science, Control; № 1 (2015): Radio Electronics, Computer Science, Control Радиоэлектроника, информатика, управление; № 1 (2015): Радиоэлектроника, информатика, управление Радіоелектроніка, iнформатика, управління; № 1 (2015): Радіоелектроніка, інформатика, управління |
| Publisher Information: | Zaporizhzhya National Technical University, 2015. |
| Publication Year: | 2015 |
| Subject Terms: | sample, sampling, instance, neural network, individual prediction, training on precedents, выборка, формирование выборки, экземпляр, нейронная сеть, индивидуальное прогнозирование, обучение по прецедентам |
| Description: | The problem of training sample forming is solved to automate the construction of neural network models on precedents. The samplingmethod is proposed. It automatically selects the training and test samples from the original sample without the need for downloading the entire original sample to the computer memory. It processes an initial sample for each one instance with hashing transformation to a onedimensional axis, forming cluster templates on the generalized axis, minimizing their number. This allows to increase the speed of sampling, to reduce the requirements to computing resources and to computer memory and to provide an acceptable level of accuracy of the synthesized models. The developed method does not require multiple passes through the sample, being limited by only three viewing. At the same time the method keeps in a random access memory only the current instance and the generated set of one-dimensional templates, which is minimized by volume. Unlike the methods based on random sampling and cluster analysis the proposed method automatically determines the size of the formed training and test samples without the need for human intervention. Software realizing proposed method is developed. On its basis the practical task of decision-making model building to predict the individual state of the patient with hypertension is resolved. Решена задача формирования обучающих выборок для автоматизации построения нейросетевых моделей по прецедентам.Предложен метод формирования выборок, который автоматически выделяет из исходной выборки обучающую и тестовую выборки,не требуя загрузки всей исходной выборки в память ЭВМ, осуществляя поэкземплярную обработку исходной выборки с хэширующимпреобразованием на одномерную ось, формирует эталоны кластеров на обобщенной оси, минимизируя их число, что позволяетповысить скорость формирования выборок, снизить требования к вычислительным ресурсам и памяти ЭВМ и обеспечить приемлемыйуровень точности синтезируемых моделей. Разработанный метод не требует многократных проходов по выборке, ограничиваясьвсего тремя просмотрами. При этом метод хранит в оперативной памяти только один текущий экземпляр и набор сформированныходномерных эталонов, который минимизирован по объему. В отличие от методов на основе случайного отбора и кластер-анализапредложенный метод автоматически определяет размер формируемых обучающей и тестовой выборок, не требуя участия человека.Разработано программное обеспечение, реализующее предложенный метод, на основе которого решена практическая задачапостроения модели принятия решений для индивидуального прогнозирования состояния пациента, больного гипертонией. |
| Document Type: | Article |
| File Description: | application/pdf |
| Language: | Ukrainian |
| ISSN: | 1607-3274 2313-688X |
| Access URL: | http://ric.zntu.edu.ua/article/view/45131 |
| Rights: | CC BY SA |
| Accession Number: | edsair.scientific.p..12b52a4975b7d0b1f5c062ce6c0f975b |
| Database: | OpenAIRE |
| ISSN: | 16073274 2313688X |
|---|