Вестник МГТУ, 2025, Т. 28, № 4/1.

Вестник МГТУ. 2025. Т. 28, № 4/1. С. 558-571. DOI: https://doi.org/10.21443/1560-9278-2025-28-4/1-558-571 Форма на рис. 3 позволяет выбрать выходные переменные сети. При необходимости выделить несколько выходных переменных следует нажать кнопку Multipl... Нами выделены переменные 43-61 - параметры модели. Форма на рис. 4 дает возможность выбора входных переменных. Здесь по умолчанию можно выбрать произвольное число переменных, но система предлагает выбор переменных, которые не фигурировали в выборе диалога рис. 3, т. е. переменных 1-42 - маневренных характеристик в испытаниях "зигзаг 20/20", описанных выше. На форме рис. 4 снимем чек, дающий право системе варьировать число входов при поиске эффективной сети. Таким образом задаем, чтобы на входе были сохранены все 42 компоненты. Следующий этап определяется стандартным вариантом построения сети; выдержка из него приведена на рис. 5. Массив обучающих данных из 600 наборов разделен на три группы: 400 наборов для обучения (Training), 100 наборов для проверки качества обучения (Verification) и 100 наборов для тестирования (Test). При этом выбор Randomly дает возможность случайного перемешивания наборов в процессе работы системы. В противном случае наборы используются строго так, как они распределены в диалоге. Рис. 5. Определение массивов наборов для тренировки, проверки и тестирования сети Fig. 5. Defining arrays of sets for training, verification and testing the network В диалоге рис. 6 происходит выбор сетевой архитектуры из предложенных вариантов. Многослойный персептрон - наиболее распространенная форма сетевой архитектуры. Такие сети требуют итеративного обучения (подобный процесс обучения может быть довольно медленным), но они компактны, быстро работают после обучения, чаще приводят к лучшим результатам, чем сети иной архитектуры. В данном случае выбран трехслойный персептрон, имеющий один (средний) скрытый слой. Рис. 6 Выбор структуры сети Fig. 6. Selecting a network structure 563