Cтраница 1
Проверочная выборка используется для определения переобучения сети, при котором ошибка для обучающей последовательности стремится к нулю, а для проверочной - возрастает. Тестовая выборка применяется для проверки качества функционирования обученной сети. [1]
На проверочной выборке В2 определяется средняя квадра-тическая ошибка А ( В2) отклонений значений, вычисленных по модели. [2]
Эти параметры используются для задания останова процесса обучения в случаях, когда ошибка для проверочной выборки не уменьшается или начинает возрастать. [3]
Погрешность расчета по данному уравнению достигает 5 % как на исходных данных, так и для проверочной выборки. [4]
Погрешность расчета по данному уравнению достигает 5 %, как на исходных данных, так и для проверочной выборки. [5]
После того как в режиме рекуррентного оценивания на обучающей выборке BI определены коэффициенты модели и оптимальные значения констант модели Gb G2 и построенная таким образом модель доказала свою пригодность на проверочной выборке В2, дальнейший выбор режима проводится по значению рассогласования y [ k l ] - ilpj ( [ k l ] Cj [ k ]) KO. Если К0 %, т.е. нет больших возмущений и изменений в технологии процесса, то решается задача коррекции. В этом случае при каждом очередном поступлении значений входных воздействий по формулам ( 254) корректируется вектор коэффициентов, и рассчитанные прогнозные значения управляющих переменных используются для управления процессом. [6]
Опции Test FIS в правом нижнем углу окна позволяют провести проверку и тестирование созданной и обученной системы с выводом результатов в виде графиков ( соответствующие графики для обучающей выборки - Training data, тестирующей выборки - Testing data и проверочной выборки - Checking data. Кнопка Test Now позволяет запустить указанные процессы. [7]
Особенности метода позволяют проверить прогнозирующие свойства модели. Для этого совокупность исходных данных делится на две равные по объему выборки. Первая выборка условно называется обучающей, вторая - проверочной. Поиск структуры и коэффициентов модели осуществляется по следующей схеме. На первом этапе расчетов модель строится на обучающей выборке данных. По полученной модели определяют расчетные величины выходной переменной ( нефтеотдачи) для всей совокупности точек. На втором этапе расчетов выборки меняются местами, т.е. бывшая проверочная выборка становится обучающей, а бывшая обучающая - проверочной, и расчеты повторяются. Если полученные таким образом модели отличаются незначительно и характеризуются высокой дисперсионной мерой идентичности, то очевидно, что любая из них обладает достаточно высокой надежностью прогноза в пределах всего диапазона изменения учтенных факторов. Предпочтение следует отдавать модели с более высоким множественным корреляционным отношением. [8]