ИСТИНА

Объектом исследований являются искусственные нейронные сети, а также данные, на которых такие сети обучаются. Предметом исследований являются методы и алгоритмы предобработки данных, на которых обучаются искусственные нейронные сети, с целью повышения качества обучения последних. Проблемная ситуация определяется отсутствием алгоритмов глобальной оптимизации, а также алгоритмов предварительной обработки, с одной стороны, достаточно эффективных, а с другой – простых в реализации, в случае достаточно большой размерности данных. Цель и задачи исследования. Целью данной работы является разработка алгоритма предварительной обработки данных с применением кластеризации, а также апробация этого алгоритма на решении практической задачи. В работе разрабатывается алгоритм предварительной обработки информации на базе кластерного анализа. В рамках этого алгоритма предложен метод определения характеристики нейрона, а также метод сокращения количества элементов факторного пространства без значительного ухудшения качества обучения нейронной сети. В соответствии с целью исследования определены следующие основные задачи:  анализ существующих методов предварительной обработки данных;  формализация постановки научной задачи;  анализ существующих методов кластеризации;  разработка алгоритма предварительной обработки данных на базе кластеризации и оценки констант Липшица;  разработка программы для ЭВМ, реализующей алгоритм предварительной обработки данных на базе кластеризации;  формирование факторного пространства для апробации алгоритма на практической задаче;  построение нейросетевой прогностической модели, решающей практическую задачу, и обучение ее на данных, сформированных с использованием разработанного алгоритма;  оценка эффективности разработанного алгоритма с точки зрения максимизации энтропии обучающего множества, а также минимизации среднеквадратичной ошибки обучения.