Технологии интеллектуального анализа данных : учебное пособие

255 Рис. 4.16. Структура искусственной нейронной сети Назначение и подготовка обучающей выборки. Нейросеть способна имитировать какой-либо процесс. Любое изменение вхо- дов нейросети ведет к изменению ее выходов. Причем выходы нейросети однозначно зависят от ее входов. Перед тем как использовать нейросеть, ее необходимо об- учить. Задача обучения здесь равносильна задаче аппроксимации функции, т.е. восстановление функции по отдельно взятым ее точ- кам – таблично заданной функции. Таким образом, для обучения нужно подготовить таблицу с входными значениями и соответст- вующими им выходными значениями, т.е. подготовить обучающую выборку. По такой таблице нейросеть сама находит зависимости выходных полей от входных. Далее эти зависимости можно ис- пользовать, подавая на вход нейросети некоторые значения. На вы- ходе будут восстановлены зависимые от них значения. Причем на вход можно подавать значения, на которых нейросеть не обуча- лась. Обучающая выборка не должна содержать противоречий, так как нейросеть однозначно сопоставляет выходные значения вход- ным. После обучения на вход нейронной сети необходимо подавать значения из диапазона, на котором она обучалась. Например, если Вход 1 Вход 2 Вход N Входной слой Внутренние (скрытые) слои Выходной слой Выход 1 Выход 2 Выход M