Оцінювання якості нейромережевих моделей на основі багатофакторного інформаційного критерію
DOI:
https://doi.org/10.15276/hait.07.2024.1Ключові слова:
інформаційні критерії якості, точність моделювання, складність моделей машинного навчання, нелінійні динамічні об'єкти, нейронні мережіАнотація
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.