Искусственная нейронная сеть как измерительный инструмент адекватности модели с адаптивным классом точности

Abstract

Работа посвящена проблеме количественной оценки надежности и точности функционирования модели сложной социотехнической системы с адаптивным выбором класса точности на основе учета особенностей предметной области. Показано, что интегральную ошибку на выходе искусственной нейронной сети (ИНС) в процессе обучения целесообразно измерять в каждой эпохе и, используя критерий согласия Смирнова, ставить в соответствии со статистическим уровнем значимости. В этой ситуации ИНС приобретает свойство измерительного инструмента с изменяемым классом точности. Это позволяет учесть особенности предметной области системы, автоматизировать расчет признака окончания обучения и распространить область применения статистических критериев на выбор параметров обучения искусственной нейронной сети.

Робота присвячена проблемі кількісної оцінки надійності і точності функціонування моделі складної соціотехнічної системи з адаптивним вибором класу точності з урахуванням особливостей предметної галузі. Установлено, що інтегральну помилку на виході штучної нейронної мережі (ШНМ) під час навчання доцільно вимірювати у кожній епосі, використовуючи критерій згоди Смирнова, і ставити відповідно до статистичного рівня значимості. У даному випадку ШНМ набуває властивості вимірювального інструменту зі змінним класом точності. Це дозволяє враховувати особливості предметної області системи, автоматизувати розрахунок ознаки закінчення навчання і поширити область застосування статистичних критеріїв на вибір параметрів навчання штучної нейронної мережі.

The work is devoted to the problem of quantitative estimation of reliability and exactness of functioning of model of the Complex Socio Technical System with the adaptive choice of the class of exactness on the basis of accounting of features of subject domain. It was established that the integral error at the output of Artificial Neuron Network (ANN) during training should be measured in each epoch, using the Smirnov's consent criterion, and assigned the statistical level of meaningfulness. In this situation the ANN acquires a feature of measuring instrument with the changeable class of exactness. It allows features of the subject domain of the system to be taken into account, a calculation of sign of completion of teaching to be automated, and an application domain of statistical criteria to be spread at choice of the parameters of teaching of the Artificial Neural Network.