Узел Нейросеть

Узел Нейросеть (раньше он назывался "Обучить сеть") служит для создания и обучения нейросети.

Нейронные сети представляют собой упрощенные модели работы нервной системы живых организмов. Базовые блоки называются нейронами и обычно сгруппированы в слои, как показано на следующем рисунке.

Нейронная сеть использует упрощенную модель обработки информации человеческим мозгом. Нейросети работают, обсчитывая большое количество связанных между собой обрабатываемых элементов, которые представляют абстрактную версию нейронов.

Обрабатывающие блоки (нейроны) сгруппированы в слои. В типичной нейросети есть три части: нейроны входного слоя представляют входные поля, есть один или несколько скрытых слоев и есть выходной слой, содержащий один или несколько нейронов, представляющих поля назначения. Каждому соединению между нейронами назначается та или иная сила воздействия, или вес. Входные данные поступают в первый слой, далее значения распространяются по слоям от каждого нейрона данного слоя в каждый нейрон следующего слоя. Окончательные результат снимается с выходного слоя.

Нейронная сеть обучается путем просмотра записей; для каждой записи нейронная сеть генерирует предсказание и, если предсказание неверно, вносит поправки в веса. Процесс повторяется большое число раз, и точность предсказаний постепенно повышается, пока не срабатывает один из критериев остановки.

Вначале все веса случайные и ответы нейронной сети на входные сигналы, скорее всего, бессмысленны. Нейронную сеть обучают. Примеры, для которых известны выходные значения, многократно предъявляются нейронной сети, и каждый раз ее отклик сравнивается с известным ответом. Информация от такого сравнения передается назад в нейронную сеть, постепенно изменяя веса. По мере обучения нейронная сеть начинает выдавать ответы, которые все точнее воспроизводят известные ответы. После обучения нейронную сеть применяют к будущим наблюдениям, для которых исход неизвестен.

Пример. При проверке грантов на развитие сельского хозяйства на возможные случаи мошенничества нейросеть может использоваться для глубокого исследования отклонений от нормы, выделяя аномальные записи, требующие дальнейшего исследования. Особенный интерес представляют заявки на гранты, в которых запрашивается несоразмерно большая (или слишком маленькая) сумма для фермы указанного типа и размера.

Требования. Ограничений по типам полей нет. Узлы Нейросеть могут обрабатывать числовые, символические и флаговые входные и выходные поля. Для узла Нейросеть предполагаются одно или несколько полей с ролью Вход и одно или несколько полей с ролью Назначение. Поля с заданными значениями Оба или Нет игнорируются. При выполнении узла типы полей должны быть полностью определены.

Достоинства. Нейросети - это мощные средства оценки общих функциональных зависимостей. Обычно они выполняют задачи прогнозирования не хуже других техник, а иногда - значительно лучше. Кроме того, они требуют минимальных знаний статистики и математики для их обучения и применения. IBM® SPSS Modeler предоставляет несколько возможностей, позволяющих избежать некоторые общие подводные камни нейросетей, включая анализ чувствительности (как она отражена на диаграмме важности переменных), помогающий в интерпретации сети, сокращение и валидацию для предотвращения избыточного обучения, а также динамические сети для автоматического нахождения подходящей архитектуры сети.