Функциональные возможности программы.
В программе nvclass. с - нейро-классификатор векторов данных реализована модель двухслойного персептрона, представленная в разделе 6. Эта программа предназначена для соотнесения тестируемого вектора признаков сейсмической информации к одному из двух классов. Входные данные представляют собой предысторию сейсмических явлений конкретного региона, а также тестируемый вектор признаков, соответствующий сейсмическому событию, не включенному в предысторию.
Эти данные считываются из соответствующих файлов в виде набора векторов признаков заданной размерности. Автоматически, в зависимости от размерности входных векторов, определяется конфигурация нейронной сети т.е. по умолчанию для заданной размерности входных данных выбирается определенное рекомендуемое по результатам предварительных экспериментов число нейронов в входном и скрытом слоях, хотя при желании эти параметры легко меняются.
В качестве правила обучения нейронной сети реализован алгоритм обратного распространения ошибки и некоторые методы его оптимизации. После завершения процесса обучения тестируемый вектор признаков подается на вход уже обученной сети и вычисляется результат, по которому сеть с определенной вероятностью соотносит входной вектор к одному из заданных классов. Для дополнительной настройки нейронной сети в программе реализован ряд процедур, описанных в разделе 6. Из них можно выделить следующие Различные процедуры начальной инициализации весовых коэффициентов Пакетный режим обучения Алгоритм коррекции шага обучения Процедуры предварительной обработки данных Алгоритм оценки эффективности - cross-validation.
Процедура многократного обучения. Последняя процедура многократное обучение сети предусмотрена для устранения возможных ошибок идентификации. Для нейронной сети заданное число раз Cycle генерируются матрицы начальных весовых коэффициентов и выполняется алгоритм обучения и идентификации тестового вектора.
По полученным результатам обучения и тестирования выбирается вариант наибольшего повторения и итоговое решение принимается исходя из него. Для исключения неоднозначности это число выбирается положительным, целым, нечетным. В программе nvclass предусмотрены следующие режимы функционирования Внешний режим - идентификации тестового входного вектора признаков Внутренний режим - идентификация вектора признаков из набора векторов предыстории.
Внешний режим предназначен для классификации вновь поступивших сейсмических данных и может быть использовать в следующих случаях Классификация на нейронных сетях, уже обученных на данных из конкретных регионов регионов, Классификация с повторным обучением нейронной сети. Внутренний режим служит для оценки вероятности ошибки идентификации сети и включает два подрежима - проверки правильности идентификации одного из векторов набора предыстории и последовательной проверки всех заданных векторов cross-validation. Режим работы программы устанавливается в файле настроек.
После завершения работы основные результаты записываются в соответствующий файл отчета, который потом можно использовать для детального анализа. Пример файла приведен в приложении 4. 7.2