Сохранение лучшей сети.

Стартовая панель модуля нейронных сетей Statistica Neural Networks (SNN ->

Вкладка Advanced -> в окошке Select Analysis строка Network Set Editor (редактор сетей:

Откроется окно редактора сетей Neural Network File Edinor -> выбрать вкладку Advanced:

Нажать на кнопку DELETE ->в окне Select Networks and/or Ensembles выделить строки, которые хотим удалить (Оставить надо самую лучшую сеть – с максимальной производительностью (selected perf.- Max) и минимальной ошибкой (Select Error -min)) -> Нажать ОК:

Ещё раз – ОК – возврат к стартовой панели (в окошке Networks видим только 1 оставленную сеть) и выбрать вкладку Networks/Ensembles:

Сохраняем сеть в своей рабочей папке, нажав на кнопку Save network file as…

Выходим из Neural Networks, нажав Cancel.

Запуск уже созданной и сохранённой сети в работу без обучения.

Запускаем модуль Neural Networks.

Загружаем Таблицу исходных данных (она м.б. уже загружена)

Выбираем класс задач – Классификация.

Задаём типы переменных (см. выше)

Выбираем вкладку Networks/Ensembles

Нажимаем на кнопку Open network file и в открывшемся окне выбираем путь к сохранённой сети :

Кнопка “Открыть” – сеть загрузилась:

Опять входим во вкладку Advanced

Выбираем Run Existing Model (запустить существующую сеть):

Жмём ОК:

Выделяем запускаемую сеть (это нужно сделать, так как мы могли сохранить несколько сетей) и жмём ОК:

Появляется окно Results.

Чтобы задавать входные сигналы и заставить сеть классифицировать их, как и раньше входим во вкладку Advanced -> кнопка User Defined case и т.д. (см. выше).

Ход работы.

Вход в пакет SNN: Пуск – Программы – Статистика 7.

Импорт данных из файлов EXCEL: File – Open – выбираем путь к файлу (указать Тип файлов All Files). Выбрать нужную страницу файла EXCEL (кнопка Import selected sheet to Spreadsheet). Get variable names From first row – дать название переменным по 1-й строке.

Загруженная Таблица данных (тип файла *.sta) представлена на Рис.1.

Рис.1.

Запустить модуль Neural Networks: Statistics - Neural Networks -> Появится Стартовая панель модуля Neural Networks:

выбрать класс задач: Classification – Классификация

Указать переменные для проведения Анализа: кнопка Variables

• Categorial outputs - Категориальные выходные (определяющие класс), переменная Type.

• Continuous inputs - Непрерывные входные, в нашем примере, - R1, R2, R3, R4

Провести обучение сети в каждом из возможных режимов: Мастер решения (Intelligent Problem Solver), Конструктор решения (Custom Network Designer) для разных типов нейронных сетей.

Задать число обучаемых сетей во вкладке Quick: (Network Tested =100).

Задать количество сохранённых сетей – во вкладке Retain: 10

Задать типы сетей во вкладке Types (Linear – линейная сеть, Radial basis function – радиальная базисная сеть, Three layer perceptron – 3-х слойный персептрон).

Запустить сети на обучение.

Проанализировать полученные результаты обучения сетей (Таблица результатов, классификации, чувствительности, предсказаний) и выбрать лучшую сеть.

Проверить работу сети с помощью подачи наблюдений на имитатор сети (граф сети).

Сохранить обученную сеть.

Запустить сохранённую обученную сеть сразу в работу без обучения для классификации новых наблюдений.

Т.о., в результате этой работы нужно научиться следующему:

• Ставить задачу классификации

• Уметь применять её в практической деят-ти (т.е. формулировать её для решения экономических задач)

• Решать её с помощью нейронных сетей:

• Загружать задание в программу Statistica 7

• Запускать модуль Нейронные сети

• Выбирать нужный тип задач (Классификация)

• Правильно задавать типы переменных задачи

• Пользоваться Мастером сетей для решения задачи

• Уметь задавать требуемое число сетей для обучения

• Уметь задавать число сохранённых сетей

• Знать, где задаются типы обучаемых сетей

• Знать, где задаётся конфигурация обучаемых сетей

• Уметь анализировать полученные результаты обучения сетей

• Уметь выбирать лучшую сеть

• Знать смысл понятий: производительность сети в задаче классификации, чувствительность сети

• Уметь выводить рисунок сети, задавать обучающие наблюдения на вход сети и видеть работу сети по классификации на рисунке сети.

• Уметь подавать на вход обученной сети новые наблюдения и получать результаты классификации.

• Уметь сохранять обученную сеть.

• Уметь запускать сохранённую обученную сеть сразу в работу без обучения для классификации наблюдений.