Вестник МГТУ, 2023, Т. 26, № 4.

Пашенцев С. В. Нейронные сети как инструмент совершенствования математической модели. В ходе решения конкретной задачи - предсказания диаметра Dc установившейся циркуляции танкера - были проверены сети, имеющие архитектуру 16—>8—>3—>1, при следующих вариантах активационных функций по слоям (табл. 2). File Edit Train Statistics Run Options Window Help ^ іг ~ ~ ~ іііч в іі й іі н ^ 6 ig?ig.Qi * * Network Editor (TestModel_120, 01) Error function |Sum-squared Units P'S f | ] Act fn ILogistic T ] Width i1 § PSPfn ILinear _^J I си Ѳ ""ЁзП ^ Network Set Options Layer 1 Щ Delete I Connections Shown I Current layer ▼ [ 1182 т т \ ш м ІѴАВ2 lvAR3 lvAR4 1 1 ' ► Close Number of networks in set ___________ Current 5 Maximum !:IU § Action when a network is added to a full set Action IKeep Diverse p f |nfotm User Fitst Transfer current network to set Add Replace Network to replace § Select best network (lowest error) in set Best I M Network Set Editor (TestModel_120) Current network [І § Detail shown IVerbose Options.. т т т Type Inputs Hidden |hliddenf2] 1TError VError TeError TPerf VPerf 1 01 - MLP 16 8 3 7 .8 5 3 4 0 6 8 .6 7 9 2 4 8 8 .6 5 2 8 2 3 0 .8 8 8 3 7 3 9 0 .9 1 2 9 9 3 6 te MLP 16 8 3 0 .4 5 0 1 9 0 9 1 , 1 4 4 1 5 9 0 .5 5 9 7 6 0 7 0 .0 5 1 3 2 0 .1 2 0 1 1 4 4 03 УХЕ 16 8 3 7 . 5 1 5 7 2 5 7 .7 0 2 6 4 7 8 .8 5 5 7 3 2 0 .8 5 5 1 3 0 3 0 .8 1 1 0 6 4 1 04 MLF 16 8 3 8 . 5 8 3 1 6 9 9 . 3 5 5 9 3 6 1 0 . 1 1 5 9 0 .9 8 3 8 2 5 3 0 .9 8 5 1 9 6 8 05 MLP 16 8 3 0 .5 1 8 5 7 7 4 0 .7 8 3 4 2 8 5 0 .5 4 9 8 1 7 3 0 .0 5 8 7 6 0 .0 8 2 4 8 Рис. 10. Создание набора сетей с оценкой точности каждой из них (здесь максимум составляет 30 сетей) Fig. 10. Creation of a set of networks with an assessment of the accuracy of each (the maximum consists of 30 networks) Таблица 2. Функции активации по слоям для пяти вариантов сети Table 2. Activation functions by a layer for five network options Слой 1 Слой 2 Слой 3 Слой 4 TError VError Logistic Hyperbolic Exponential Linear 7,853 8,679 Logistic Hyperbolic Linear Linear 0,450 1,144 Logistic SoftMax Logistic Linear 7,516 7,703 Hyperbolic Logistic Exponential Linear 8,583 9,356 Exponential Hyperbolic Logistic Linear 0,519 0,783 Результаты существенно различаются; они приведены в табл. 2 (столбцы под названиями TError и VError). Эти результаты отражают погрешности, полученные по обучающему и верификационному множествам наборов. Система сама выставила иерархию пяти сетей, дав самый высокий уровень пятой сети. Такая полная информация о сетях набора вызвана выбором режима Verbose (подробно) в поле Detail shown. В форме выше (справа), которая выпадает при нажатии кнопки Options, можно оперировать объектами сетевого набора - отдельными сетями, например, добавить новую сеть (Add) или удалить старую (Replace). В системе SNN существует еще одна возможность обработки входных и входных данных, которая носит название пред/постпроцессорная обработка. Все установки, связанные с ней, выполняются в форме, которая вызывается выбором Edit/Pre/Post Processing (рис. 11). Среди процедур предварительной и конечной обработки данных нас интересует процедура, позволяющая понять, как работает система SNN с этими данными. Речь идет о масштабировании данных, которые 480