Критерии сравнения распознающих моделей на основе нейронных сетей и анализ их взаимосвязей

• Опубліковано в: : Искусственный интеллект
• Дата: 2014
• Автор: Субботин, С.А.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2014
• Теми: Интеллектуальные системы планирования, управления, моделирования и принятия решений
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/85242
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Критерии сравнения распознающих моделей на основе нейронных сетей и анализ их взаимосвязей / С.А. Субботин // Искусственный интеллект. — 2014. — № 1. — С. 142–152. — Бібліогр.: 5 назв. — рос.

Решена актуальная проблема автоматизации построения и анализа распознающих и диагностических моделей на основе нейронных сетей. Предложен комплекс критериев сравнения нейромоделей и методов их синтеза, содержащий в дополнение к традиционно используемым критериям времени и точности критерии, характеризующие логическую прозрачность. Проведены вычислительные эксперименты по исследованию предложенных критериев сравнения нейронных сетей путём решения практических задач. Вирішено актуальну проблему автоматизації побудови та аналізу розпізнавальних і діагностичних моделей на основі нейронних мереж. Запропоновано комплекс критеріїв порівняння нейромоделей і методів їх синтезу, що містить на додаток до традиційно використовуваних критеріїв часу і точності критерії, що характеризують логічну прозорість. Проведено обчислювальні експерименти з дослідження запропонованих критеріїв порівняння нейронних мереж шляхом вирішення практичних завдань. The actual problem of automation of construction and analysis of recognition and diagnostic models based on neural networks was solved. The set of criteria for comparing of neural network models and synthesis methods was proposed. It contains in addition to the traditionally used time and accuracy criteria the criteria characterizing the logical transparency. Computational experiments on the proposed criteria for comparison of neural networks were conducted by solving practical problems.