Описание файла настроек.
Параметры настройки программы содержаться во входном файле nvclass. inp. Пример файла приведен в приложении 3. Для настройки используются следующие переменные TYPE - РЕЖИМ РАБОТЫ ПРОГРАММЫ TYPE 1 1 Это значение соответствует внешнему режиму функционирования программы без обучения нейронной сети, т.е. тестирование на заранее обученной нейронной сети. При этом надо задать следующие параметры 1. NDATA -Размерность входных данных 2. TESTVECTOR - Имя файла с тестируемым вектором 3. NETWORKFILE - Имя файла с матрицами весов предварительно обученной сети TYPE 1 2 Это значение соответствует внешнему режиму функционирования программы с обучением нейронной сети и тестированием на ней заданного вектора.
Необходимо задать следующие параметры 1. NDATA -Размерность входных данных 2. NPATTERN - Количество векторов признаков 3. PATTERNFILE- Имя файла с набором векторов признаков 1. TESTVECTOR - Имя файла с тестируемым вектором 2. RESNETFNAME- Имя выходного файла с матрицами весов обученной сети. TYPE 2 1 Данное значение соответствует внутреннему режиму с проверкой одного из векторов из представленной выборки.
Для функционирования программы необходимо задать следующие параметры 1. NDATA -Размерность входных данных 2. NPATTERN - Количество векторов признаков 3. PATTERNFILE - Имя файла с набором векторов признаков 4. NUMBERVECTOR - Номер тестового вектора признаков из заданной выборки TYPE 2 2 При данном значении параметра программа будет функционировать во внутреннем режиме с последовательной проверкой всех векторов cross validation. Необходимо задать следующие параметры 1. NDATA - Размерность входных данных 2. NPATTERN - Количество векторов признаков 3. PATTERNFILE - Имя файла с набором векторов признаков NDATA РАЗМЕРНОСТЬ ВЕКТОРОВ ПРИЗНАКОВ Задается размерность векторов признаков, или количество признаков в каждом векторе наблюдений.
Этой величине должны соответствовать все входные данные в текущем сеансе работы программы.
NPATTERN КОЛИЧЕСТВО ВЕКТОРОВ ПРИЗНАКОВ Этот числовой параметр характеризует объем обучающей выборки и соответствует количеству строк во входном файле PATTERNFILE . PATTERNFILE ИМЯ ФАЙЛА С НАБОРОМ ВЕКТОРОВ ПРИЗНАКОВ Имя файла, содержащего наборы векторов признаков предыстории сейсмических явлений региона с указателями классификатора. TESTVECTOR ИМЯ ФАЙЛА С ТЕСТИРУЕМЫМ ВЕКТОРОМ ПРИЗНАКОВ. Имя файла, содержащего вектор признаков, который необходимо идентифицировать.
Файл должен иметь форму строки числа разделяются пробелами. Количество признаков должно соответствовать переменной NDATA . NETWORKFILE ИМЯ ФАЙЛА С МАТРИЦАМИ ВЕСОВ ПРЕДВАРИТЕЛЬНО ОБУЧЕННОЙ СЕТИ . В этом параметре задано имя файла, содержащего матрицы весов предварительно обученной нейронной сети с фиксированной размерностью входных данных. Файл формируется на предыдущих этапах работы программы. Необходимо учитывать количество признаков NDATA явно указанных в имени файла, под которые проектировалась нейронная сеть NDATA соответствует количеству входов сети и символьную аббревиатуру региона, из которого получена сейсмическая информация.
RESNETFNAME ИМЯ ВЫХОДНОГО ФАЙЛА С МАТРИЦАМИ ВЕСОВ ОБУЧЕННОЙ СЕТИ Имя файла, содержащего параметры спроектированной и обученной нейронной сети в данном сеансе эксплуатации программы. В имени файла обязательно следует указывать символьную абревиатуру региона, из которого получена сейсмическая информация и размерность векторов признаков NDATA обрабатываемой информации, чтобы избежать путаницы в интерпретации разных моделей.
Например, norv18. net или isrl9. net. NUMBERVECTOR ПОРЯДКОВЫЙ НОМЕР ВЕКТОРА ПРИЗНАКОВ Этот параметр соответствует номеру вектора признаков номеру строки в первом столбце матрицы из файла PATTERNFILE . Этот вектор признаков с указателем классификатора в дальнейшем будет интерпретироваться как тестовый вектор. Он удаляется из всего набора, а оставшиеся NPATTERN-1 векторов будут использованы в качестве обучающей выборки. REPORTFNAME ИМЯ ФАЙЛА ОТЧЕТА Имя файла с результатами работы программы.
InitWeigthFunc ФУНКЦИЯ ИНИЦИАЛИЗАЦИИ НАЧАЛЬНЫХ ВЕСОВЫХ КОЭФФИЦИЕНТОВ СЕТИ. InitWeigthFunc Gauss Начальные матрицы весовых коэффициентов будут выбраны как нормально распределенные случайные величины с математическим ожиданием Alfa и среднеквадратическом отклонении Sigma N Alfa, Sigma. InitWeigthFunc Random Начальные матрицы весовых коэффициентов будут выбраны как равномерно распределенные случайные величины в диапазоне -Constant, Constant. Значение по умолчанию - InitWeigthFunc RandomDistribution -3,3 , т.е. Constant 3 Constant ДИАПАЗОН РАВНОМЕРНО РАСПРЕДЕЛЕННЫХ СЛУЧАЙНЫХ ВЕЛИЧИН Смотри InitWeigthFunc Sigma СРЕДНЕКВАДРАТИЧЕСКОЕ ОТКЛОНЕНИЕ НОРМАЛЬНО РАСПРЕДЕЛЕН-НЫХ СЛУЧАЙНЫХ ВЕЛИЧИН Смотри InitWeigthFunc Alfa МАТЕМАТИЧЕСКОЕ ОЖИДАНИЕ НОРМАЛЬНО РАСПРЕДЕЛЕННЫХ СЛУЧАЙНЫХ ВЕЛИЧИН Смотри InitWeigthFunc WidrowInit NGUYEN-WIDROW ИНИЦИАЛИЗАЦИЯ. Параметр позволяет сформировать начальные весовые коэффициенты по методике предложенной Nguyen и Widrow.
Возможные варианты Yes - провести соответствующую инициализацию.
No - не использовать эту процедуру. Значение по умолчанию - No Shuffle ПЕРЕМЕШИВАНИЕ ВЕКТОРОВ ПРИЗНАКОВ При значении параметра Yes - входные вектора будут предварительно перемешаны. При No - вектора будут подаваться на вход сети в той последовательности, в которой они расположены во входном файле PATTERNFILE . Значение по умолчанию - Yes. Scaling ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ВЕКТОРОВ ПРИЗНАКОВ. Этот параметр служит для использования в рамках программы nvclass процедуры масштабирования входных данных.
Эта процедура позволяет значительно ускорить процесс обучения нейронной сети, а также качественно улучшает результаты тестирования. Возможные значения параметра Yes , No. Значение по умолчанию - Yes. LearnToleranse ТОЧНОСТЬ ОБУЧЕНИЯ. Параметр определяющий качество обучения нейронной сети. При достижении заданной точности е для каждого вектора признаков из обучающей выборки настройка весовых коэффициентов сети заканчивается и сеть считается обученной.
Значение по умолчанию - 0.1 . Eta КОЭФФИЦИЕНТ ОБУЧЕНИЯ НЕЙРОННОЙ СЕТИ . Значение коэффициента задает скорость и качество обучения нейронной сети. Используется для алгоритма обратного распространения ошибки. Значение по умолчанию-1.0 MaxLearnCycles МАКСИМАЛЬНОЕ КОЛИЧЕСТВО ИТЕРАЦИЙ ОБУЧЕНИЯ Параметр задает количество итераций после которых процесс обучения будет автоматически завершен.
Величина по умолчанию- 2000 Loop КОЛИЧЕСТВО ПОВТОРОВ ОБУЧЕНИЯ. Параметр задает величину полных циклов функционирования программы целое нечетное число. В каждом цикле формируются начальные матрицы весов производится обучение сети и осуществляется классификация тестового вектора. Результаты всех циклов обрабатываются, и формируется итоговое заключение. Значение по умолчанию 1 . 7.5 Алгоритм работы программы. Алгоритм работы программы зависит от режима, в котором она функционирует. Однако, для всех из них можно выделить базовый набор операций 1. Инициализация сети 2. Настройка 3. Проверка тестовых векторов.
Инициализация В этом разделе происходит считывание всех данных из соответствующих файлов файл с примерами обучающей выборки, файл с конфигурацией обученной сети, файл с примерами для тестирования. Затем, в зависимости от режима функционирования, либо происходит инициализация всех весовых коэффициентов сети заданным образом, либо сразу начинается проверка тестовых векторов на обученной заранее нейронной сети, конфигурация которой считана из файла.
Настройка. Если выбранный режим предусматривает выполнение алгоритма обучения нейронной сети, то программа, после считывания исходных данных, и начальной инициализации весовых коэффициентов выполняет процедуру их настройки до тех пор, пока не выполнится одно из условий остановки. Либо значение ошибки обучения достигнет желаемого уровня и сеть будет считаться обученной, либо количество итераций обучения превысит предварительно заданное максимальное число.
По мере выполнения алгоритма автоматически формируется полный отчет о состоянии сети. Проверка тестовых векторов. На этом этапе происходит тестирование заданных векторов. Причем возможны два варианта тестируемый вектор может быть считан из файла, а также можно задать номер тестируемого вектора в выборке исходных данных и тогда он не будет использован во время обучения. Результаты проверки записываются в файл отчета. 7.6