Оцінювання якості нейромережевих моделей на основі багатофакторного інформаційного критерію

Анотація

Робота присвячена проблемі оцінювання якості моделей машинного навчання у вигляді нейронних мереж при
наявності декількох вимог до якості інтелектуальних систем. Метою роботи є розробка багатофакторного інформаційного
критерію, що дозволяє вибирати модель машинного навчання у вигляді нейронної мережі, яка найкраще задовольняє
сукупності вимог до точності та інтерпретованості. Ця мета досягається шляхом розвитку та адаптації багатофакторних
інформаційних критеріїв для оцінки моделей у вигляді нейронних мереж та, в окремому випадку, тришарових нейронних
мереж із часовими затримками, що використовуються для ідентифікації нелінійних динамічних об’єктів. Наукова новизна
роботи полягає у розробленні багатофакторних інформаційних критеріїв якості моделей машинного навчання, що
враховують показники точності та складності, які на відміну від існуючих інформаційних критеріїв адаптовані до оцінки
моделей у вигляді нейронних мереж. Практична користь роботи полягає у можливості автоматичного вибору найпростішої
моделі машинного навчання, що забезпечує придатну точність при використанні в інтелектуальних системах. Практичне
значення одержаних результатів полягає у застосуванні запропонованих критеріїв для вибору моделі машинного навчання у
вигляду нейронної мережі з часовими затримками для ідентифікації нелінійних динамічних об’єктів, що дозволяє
підвищити точність моделювання при забезпеченні найпростішої архітектури нейронної мережі.