Технологии интеллектуального анализа данных : учебное пособие

187 ризация, прогнозирование, аппроксимация функций, реализация ассоциативной памяти; 3) необходимым условием для возможности использования НС при решении практических задач является наличие достаточно объемной обучающей выборки с представительными примерами решения задачи в различных ситуациях; 4) нейронные сети предоставляют возможность выразить за- висимость между своими входами и выходами на основе обучения с минимумом предварительной аналитической работы человека- эксперта; 5) нейронные сети способны автоматически приобретать знания; 6) недостатком НС является невозможность объяснить вы- ходной результат. Результат обучения нейронной сети представля- ет собой «черный ящик», внутренность которого невозможно ин- терпретировать. Условиями, ограничивающими использование нейронных се- тей при решении практических задач, является требование наличия достаточно объемной обучающей выборки с представительными примерами решения задачи в различных ситуациях, а также отсут- ствие интерпретируемости созданной нейросетевой модели. При этом для многих задач возникает ряд дополнительных проблем, связанных с формированием полной и представительной обучаю- щей выборки. Решение данных проблем в некоторых случаях не может быть осуществлено без участия человека-эксперта. Как правило, нейронные сети используют для решения при- кладных задач, в которых формирование представительной обу- чающей выборки не вызывает затруднений, а специалисты-эксперты не обладают достаточным объемом накопленных знаний, позво- ляющим описать им решение задачи в рамках какой-либо фор-