|
|
|
|
|
Все окна открываются и располагаются таким образом, чтобы они не пересекались. 3. Нажимаем кнопку Обучить – Train, в диалоговом окне Обратное распространение - Back Propagation будет запущен алгоритм обучения. При этом на график (рисунок 4.31) будет выводится ошибка. 4. Повторно нажимаем кнопку Обучить - Train, чтобы алгоритм переходил к очередным эпохам.
Рисунок 4.32. График ошибки обучения Причем обращаем внимание на величину ошибки (рисунок 4.31), чем больше число итераций, тем больше величина ошибки. Наилучшую оценку обученной сети можно получить из диалогового окна Regression Statistics (рисунок 4.33), здесь анализируется показатель S.D.Ratio (отношение стандартного отклонения ошибки к стандартному отклонению данных), если он меньше 0.1, это означает прекрасное качество регрессии. В нашем примере он превышает значение 0.7, что также является достаточно неплохим результатом обучения. ST Neural Networks автоматически вычисляет среднее и стандартное отклонение обучения и поднаборов проверки, а также вычисляются средние и стандартные отклонения ошибок предсказания. Кроме того, ST Neural Networks показывает стандартный PearsonR коэффициент корреляции между фактическими и предсказанными значениями. Совершенное предсказание будет иметь коэффициент корреляции 1,0. |
Обучение методом обратного распространения ошибки 4 |
