Автоматичне виділення вибірок для побудови нейромоделей
Loading...
Date
2015
Authors
Субботін, Сергій
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Запропоновано метод виділення вибірок, який для вихідної вибірки визначає індивідуальну значущість екземплярів, після чого послідовно нарощує підвибірку, відбираючи до неї найбільш індивідуально високоінформативні екземпляри в кожному класі і виключаючи екземпляри, які є надлишковими або такими, що погіршують класифікацію. Це дає змогу автоматизувати аналіз вибірки, скоротити розмірність навчальних даних, а також скоротити час і забезпечити прийнятну точність навчання нейромоделей. Проведено експерименти з дослідження запропонованого методу, результати яких дозволяють рекомендувати його для використання на практиці в задачах діагностування та розпізнавання образів.
Description
The sample selection method is proposed, which for the original sample determines the individual instance significance, followed by successive increase of a subsample, selecting the most highly informative individually instances in each class, and excluding instances that are redundant or worse a classification. This allows to automate the sample analysis, to reduce the training data dimensionality, to reduce the time and to provide the acceptable accuracy of neural network training. The experiments to investigate the proposed method are conducted. Their results allow recommend method to use in practice for the diagnosis and pattern recognition.
Keywords
вибірка, відбір екземплярів, редукція даних, нейронна мережа, скорочення розмірності даних, стаття, sample, instance selection, data reduction, neural network, data dimensionality reduction
Citation
Субботін С. О. Автоматичне виділення вибірок для побудови нейромоделей / Субботін С. О. // Наукові записки НаУКМА. - 2015. - Т. 177 : Комп'ютерні науки. - С. 25-29.