7. Нейронная сеть. Достоинства и недостатки.

Нейронная сеть — структура соединенных между собой нейронов, которая характеризуется топологией, свойствами узлов, а также правилами обучения или тренировки для получения желаемого выходного сигнала.

Достоинства: Самообучаемость, фильтрация шумов, адаптация, отказоустойчивость, скорость работы

Недостатки: Долгое обучение сети, трудность интерпретации распознаваемости шаблонов данных

8. Какие виды обучения нейронной сети Вы знаете?

Управляемое обучение — процесс обучения нейронной сети, непременным требованием которого является существование готового обучающего набора данных.

Обучение без управления — процесс обучения нейронной сети, при котором наличие полного набора эталонов не является обязательным.

9. С помощью какой функции осуществляется обучение сети?

В среде MATLAB обучение нейронных сетей осуществляется с помощью функции net.

10. Какие классификаторы в Python Вам известны?

Наивный байесовский классификатор – простой вероятностный классификатор для классификации с небольшим объемом данных.

Регрессионные деревья – простые в понимании и интерпретации, не требуют предварительной обработки данных, но могут страдать от переобучения и иметь сложную структуру модели.

Нейронные сети – моделируют работу мозга и используются для сложных задач классификации, но требуют большого объема данных для обучения.

11. Какой метод классификации оказался наилучшим? Почему?

Лучшим классификатором является метод регрессивного дерева, использующий в качестве входных данных заранее определенные значимые параметры. Он может работать как с категориальными, так и с интервальными типами переменных. Прочие методы используются при работе с теми данными, где присутствует лишь один тип переменных. Например, метод отношений может быть применен только для номинальных переменных, метод нейронных сетей — только для переменных, измеренных по интервальной шкале;