Нейросети - Введение в МГУА 1
Подробнее о программе NeuroShell 2 включает в себя очень мощную архитектуру, называемую Методом группового учета аргумента (МГУА) или полиномиальными сетями. На самом деле, сеть МГУА не похожа на обычные сети с прямой связью, и изначально эта архитектура обычно не представлялась в виде сети. Сеть МГУА содержит в связях полиномиальные выражения и использует в некотором смысле аналогичный генетическим алгоритмам механизм принятия решения о том, сколько слоев необходимо построить. Результатом тренировки является возможность представить выход как полиномиальную функцию всех или части входов. Замечание: В нижеследующей документации запись X^2 означает X в квадрате. X^3 означает X в кубе и т.д. К несчастью, в литературе практически нельзя найти конкретного ответа на вопрос о том, как успешно применять МГУА. Причиной этого является тот факт, что МГУА использует множество разнообразных параметров, и "стандартного" набора этих параметров не существует. Ниже будут даны некоторые объяснения МГУА и его реализации в NeuroShell 2. Основная идея МГУА заключается в том, что алгоритм пытается построить функцию (называемую полиномиальной моделью), которая вела бы себя таким образом, чтобы предсказанное значение выхода было как можно ближе к его действительному значению. Для многих пользователей очень удобно иметь такую модель, способную осуществлять предсказания с использованием знакомых и легких для понимания полиномиальных формул. В NeuroShell 2 МГУА сформулирован в терминах нейросетевой архитектуры, называемой полиномиальной сетью. Тем не менее, получаемая модель представляет собой стандартную полиномиальную функцию. Наиболее традиционный подход для решения задачи построения таких моделей заключается в использовании регрессионного анализа. Первый шаг состоит в принятии решения о типе полинома, который должен быть построен с помощью регрессии.
