Кротова Е.Л., кандидат физикоматематических наук, доцент Лойко Н.А., старший преподаватель (Пермский национальный исследовательский политехнический университет) МЕТОДЫ ОПТИМИЗАЦИИ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ В данной статье рассмотрены способы усовершенствования коэффициента искажения искусственной нейронной сети. <...> Представлен их сравнительный анализ, и выявлен лучший из всех перечисленных способов результат. <...> OPTIMIZATION METHODS ARTIFICIAL NEURAL NETWORK This article will discussed ways to improve the coefficient of distortion of the artificial neural network. <...> Одна из применяемых функций нейронной сети является прогнозирование. <...> Чтобы узнать адекватность результата прогнозирования, нужно рассчитывать коэффициент искажения, который определяет ошибочно обучилась искусственная нейронная сеть или нет. <...> Оптимизированный коэффициент искажения позволит улучшить прогнозирование искусственной нейронной сети, что покажет на сколько сеть может правильно просимулировать данные. <...> Есть данные представленные в виде двоичного кода. <...> Возьмем первые 30 значений "сигнатуры", и найдем коэффициент Пирсона, который ищет статистическую взаимосвязь между входным вектором и выходным. <...> Коэффициент искажения в полученной нейронной сети получился 49% при коэффициенте Пирсона равном 0, 002051. <...> Метод изменения входного вектора Этот метод основывается на изменении входного вектора. <...> Ранее входной вектор представлялся [данные для обучения; 111111.] <...> . На выходе мы получали значения двух видов, т.е. было фиксированное большое число и фиксированное маленькое. <...> Теперь же, входной вектор представим в виде пронумерованного вектора [данные для обучения; 123456.n], где n – номер последнего элемента данных. <...> При таком векторе на выходе получатся разные значения данных, тем самым мы сможем подобрать оптимальный коэффициент искажения. <...> Используя данный метод, нейронная сеть на выходе выдала значения не в двоичном виде. <...> Чтобы они выглядели как 0 и 1, для начала найдем максимальное значение (MAX) среди полученных <...>