Настройка АНС на оптимальную кластеризацию и визуализацию


После того как АНС обучена, ее можно проверить путем просмотра числа узлов, содержащих входные данные, средних значений этих узлов и кластеров, числа образованных кластеров и числа входных векторов, содержащихся в каждом кластере. Можно также выполнить более тонкую настройку АНС, увеличивая или уменьшая порог кластеризации или минимальный размер кластера.

При большем пороге кластеризации или минимальном размере кластера число кластеров будет меньше, т.е. кластеризация будет более грубой. При снижении порога кластеризации на плоскости выходных параметров появится больше подробностей.

Как правило, программные пакеты, реализующие алгоритмы АНС, позволяют исследовать результаты обучения несколькими способами:

 вывести отдельные аспекты (компонентные плоскости) АНС в новых окнах;

 рассмотреть детали плоскости выходных изображений в каждом из окон по частям;

 исследовать значения отдельных узлов и кластеров;

 идентифицировать метки отдельных узлов и кластеров либо задать их принудительно.

Обычно изначально плоскость выходных изображений состоит из слабо связанных друг с другом светлых участков или кластеров, которые часто бывают разделены темно-серыми областями (разделяющими областями).

Данное разделение (кластеризация) на плоскости может быть изменено посредством изменения параметров (настройка кластеризации), являющимся частью меню любого программного пакета АНС. Программы позволяют задавать различные значения порога кластеризации и минимального размера кластеров, а также выделять сходные данные при помощи изолиний. В специальном окне может быть также получено изображение плоскости выходных параметров в виде ортогональной матрицы.

Отдельные окна в программных пакетах открываются для выделенных компонент. Исследователь обычно сам может выбирать их для отображения в окнах. В каждом окне отображается величина отдельно взятой компоненты, т.е. проекция соответствующей компоненты на плоскость выходных параметров. Цветная шкала в нижней части экрана позволяет соотнести используемые цвета с численными значениями компонент.