?
О качестве обучения искусственных нейронных сетей без предобработки исходных данных в условиях их ограниченного набора
Рассматривается задача обучения искусственных нейронных сетей (ИНС) для диагностики болезни Альцгеймера на основе магнитной восприимчивости 10 вен головного мозга в условиях ограниченных исходных данных (81 пациент). В недавнем исследовании после сокращения числа исследуемых вен до 4, а также определения числа синаптических связей, сопоставимого с нейронной сетью, основанной на корне принятия решений, были успешно обучены полносвязные ИНС с одним и двумя скрытыми слоями. Известные результаты породили гипотезу, что обучение ИНС на основе тех же самых данных без предобработки также позволит получить качественные нейронные сети. Для оценки качества ИНС использованы следующие показатели: средние квадратические ошибки обучения и обобщения (тестирования), коэффициенты детерминации ( R 2) на множествах значений, используемых при обучении и при обобщении (тестировании), а также число обученных ИНС, удовлетворяющих определенному значению использованных выше показателей. Для графического представления результатов многократных экспериментов по обучению и тестированию ИНС предложен новый график, позволяющий наглядно показать качество ИНС. Так, в работе демонстрируются показатели качества 800 ИНС, обученных без предварительной обработки данных, среди которых было семь нейронных сетей с одним скрытым слоем и девять нейронных сетей с двумя скрытыми слоями, для каждой из которых проводилось по 50 экспериментов. Для сравнения приводятся показатели качества 2400 ИНС, обученных с предварительной обработкой данных с такой же архитектурой: семь нейронных сетей с одним скрытым слоем и 9 нейронных сетей с двумя скрытыми слоями, для каждой из которых проводилось по 150 экспериментов.