Результаты и их обсуждение
Где Y1 — лечение не требуется, Y2 — только ИАПФ, Y3 — ИАПФ и спиронолактон; H1, H2, H3, H4 — выходы нейронов скрытого слоя. Таким образом, преобразования слоев нейронной сети имеют следующий вид: Рисунок 2 Визуальное представление выбранной нейронной сети. H2=-7,3304*x1−14,4212*x2−6,0602*x3−8,0018*x4−1,6417*x5−5,0145*x6+8,5470*x7−8,0587*x8+0,2117 (2… Читать ещё >
Результаты и их обсуждение (реферат, курсовая, диплом, контрольная)
Нейросеть под номером 2 была выбрана по наибольшей производительности на всех подвыборках и оптимальной архитектуре. Данная сеть представляет собой многослойный персептрон с одним скрытым слоем и 4 нейронами на нем. (рис. 2). Входы сети обозначены как переменные X1 — X8 соответственно диагностическим признакам ХСН, выходы сети Y1 — Y3 соответствуют схемам патогенетического лечения ХСН. Выходы скрытых нейронов обозначены переменными H1 — H4.
Рисунок 2 Визуальное представление выбранной нейронной сети.
Оценивая вероятности принадлежности наблюдений к классам, представленные в табл. 3, видим, что построенная сеть безошибочно классифицирует наблюдения. Для каждого наблюдения указано целевое значение класса (исходное) и итоговое значение на выходе нейронной сети, а также вероятности принадлежности наблюдения к каждому из классов. Тот класс, вероятность отнесения к которому наибольшая, является предсказываемым ИНС выходным классом.
Таблица 3 — Доверительные интервалы.
Целевое значение. | Выход сети. | Вероятность принадлежности к классу. | |||
Y1. | Y2. | Y3. | |||
0,809 011. | 0,190 989. | 0,0. | |||
0,896 470. | 0,103 530. | 0,0. | |||
0,905 230. | 0,94 770. | 0,0. | |||
0,811 836. | 0,188 164. | 0,0. | |||
0,956 446. | 0,43 554. | 0,0. | |||
0,865 736. | 0,134 264. | 0,0. | |||
0,860 355. | 0,139 645. | 0,0. | |||
0,722 831. | 0,277 169. | 0,0. | |||
0,931 990. | 0,68 010. | 0,0. | |||
0,898 315. | 0,101 685. | 0,0. | |||
0,914 842. | 0,85 158. | 0,0. | |||
0,718 378. | 0,281 622. | 0,0. | |||
0,807 943. | 0,192 057. | 0,0. | |||
0,892 760. | 0,107 240. | 0,0. | |||
0,886 899. | 0,113 101. | 0,0. | |||
0,864 370. | 0,135 630. | 0,0. | |||
0,834 304. | 0,165 696. | 0,0. | |||
0,942 513. | 0,57 487. | 0,0. | |||
0,845 394. | 0,154 606. | 0,0. | |||
0,821 845. | 0,178 155. | 0,0. | |||
0,951 687. | 0,48 313. | 0,0. | |||
0,923 553. | 0,76 447. | 0,0. | |||
0,934 293. | 0,65 707. | 0,0. | |||
0,889 792. | 0,110 208. | 0,0. | |||
0,943 055. | 0,56 945. | 0,0. | |||
0,34 314. | 0,965 681. | 0,5. | |||
0,41 498. | 0,958 495. | 0,7. | |||
0,42 456. | 0,957 541. | 0,3. | |||
0,29 770. | 0,970 229. | 0,1. | |||
0,23 706. | 0,976 178. | 0,116. | |||
0,69 844. | 0,917 472. | 0,12 683. | |||
0,48 077. | 0,951 882. | 0,40. | |||
0,16 526. | 0,983 473. | 0,1. | |||
0,28 943. | 0,971 041. | 0,17. | |||
0,13 681. | 0,986 319. | 0,0. | |||
0,44 688. | 0,955 189. | 0,124. | |||
0,60 045. | 0,939 929. | 0,25. | |||
0,21 334. | 0,978 666. | 0,0. | |||
0,54 813. | 0,944 393. | 0,794. | |||
0,25 840. | 0,974 158. | 0,2. | |||
0,27 395. | 0,972 603. | 0,2. | |||
0,33 336. | 0,966 660. | 0,4. | |||
0,7 522. | 0,992 478. | 0,0. | |||
0,12 291. | 0,987 709. | 0,0. | |||
0,50 804. | 0,949 191. | 0,6. | |||
0,15 608. | 0,984 392. | 0,0. | |||
0,10 268. | 0,989 732. | 0,0. | |||
0,31 313. | 0,968 685. | 0,2. | |||
0,14 485. | 0,985 515. | 0,0. | |||
0,20 720. | 0,979 278. | 0,1. | |||
0,6 873. | 0,993 127. | 0,0. | |||
0,22 413. | 0,977 585. | 0,2. | |||
0,33 538. | 0,966 456. | 0,6. | |||
0,10 694. | 0,989 306. | 0,0. | |||
0,613. | 0,1 692. | 0,997 695. | |||
0,634. | 0,1 762. | 0,997 603. | |||
0,624. | 0,1 730. | 0,997 646. | |||
0,615. | 0,1 699. | 0,997 686. | |||
0,614. | 0,1 695. | 0,997 691. | |||
0,615. | 0,1 699. | 0,997 686. | |||
0,1 602. | 0,5 116. | 0,993 282. | |||
0,613. | 0,1 692. | 0,997 695. | |||
0,612. | 0,1 690. | 0,997 698. | |||
0,624. | 0,1 726. | 0,997 650. | |||
0,624. | 0,1 729. | 0,997 646. | |||
0,615. | 0,1 698. | 0,997 687. | |||
0,617. | 0,1 704. | 0,997 679. | |||
0,613. | 0,1 692. | 0,997 695. | |||
0,613. | 0,1 693. | 0,997 694. | |||
0,583. | 0,1 662. | 0,997 756. | |||
0,594. | 0,1 671. | 0,997 735. | |||
0,596. | 0,1 671. | 0,997 733. | |||
0,594. | 0,1 668. | 0,997 738. | |||
0,615. | 0,1 699. | 0,997 686. | |||
0,613. | 0,1 691. | 0,997 697. | |||
0,498. | 0,1 556. | 0,997 945. | |||
0,613. | 0,1 691. | 0,997 697. | |||
0,612. | 0,1 689. | 0,997 698. | |||
0,611. | 0,1 689. | 0,997 700. | |||
0,614. | 0,1 696. | 0,997 690. | |||
0,281. | 0,1 241. | 0,998 478. | |||
0,612. | 0,1 689. | 0,997 698. | |||
0,618. | 0,1 710. | 0,997 672. | |||
0,612. | 0,1 689. | 0,997 700. | |||
0,615. | 0,1 699. | 0,997 686. |
Обучение нейронной сети в нашем случае (с учителем) предполагает, что для каждого входного вектора из обучающего множества существует требуемое значение выходного вектора, называемого целевым. Эти вектора образуют обучающую пару. Веса сети изменяют до тех пор, пока для каждого входного вектора не будет получен приемлемый уровень отклонения выходного вектора от целевого [2]. Веса нейросети приведены в табл. 4.
Таблица 4 — Веса нейронной сети.
Связи. | Весовое значение. |
SDNN -> скрытый нейрон 1. | 0,2967. |
PNN 50 -> скрытый нейрон 1. | 0,7880. |
RMSSD -> скрытый нейрон 1. | — 0,4002. |
СВВР -> скрытый нейрон 1. | 0,2820. |
Альдостерон -> скрытый нейрон 1. | 5,2354. |
6-ти мин тест -> скрытый нейрон 1. | — 2,4495. |
ЛГ -> скрытый нейрон 1. | 0,1550. |
ФВ -> скрытый нейрон 1. | 0,9774. |
SDNN -> скрытый нейрон 2. | — 7,3304. |
PNN 50 -> скрытый нейрон 2. | — 14,4212. |
RMSSD -> скрытый нейрон 2. | — 6,0602. |
СВВР -> скрытый нейрон 2. | — 8,0018. |
Альдостерон -> скрытый нейрон 2. | — 1,6417. |
6-ти мин тест -> скрытый нейрон 2. | — 5,0145. |
ЛГ -> скрытый нейрон 2. | 8,5470. |
ФВ -> скрытый нейрон 2. | — 8,0587. |
SDNN -> скрытый нейрон 3. | — 1,7025. |
PNN 50 -> скрытый нейрон 3. | — 4,5133. |
RMSSD -> скрытый нейрон 3. | — 0,9799. |
СВВР -> скрытый нейрон 3. | — 1,2750. |
Альдостерон -> скрытый нейрон 3. | 5,1701. |
6-ти мин тест -> скрытый нейрон 3. | — 1,7683. |
ЛГ -> скрытый нейрон 3. | 5,3332. |
ФВ -> скрытый нейрон 3. | — 0,3059. |
SDNN -> скрытый нейрон 4. | 1,3146. |
PNN 50 -> скрытый нейрон 4. | 2,7018. |
RMSSD -> скрытый нейрон 4. | 1,3614. |
СВВР -> скрытый нейрон 4. | 1,3257. |
Альдостерон -> скрытый нейрон 4. | — 5,5835. |
6-ти мин тест -> скрытый нейрон 4. | 3,2810. |
ЛГ -> скрытый нейрон 4. | — 2,4366. |
ФВ -> скрытый нейрон 4. | 0,6179. |
смещение скрытого нейрона 1. | 0,4822. |
смещение скрытого нейрона 2. | 0,2117. |
смещение скрытого нейрона 3. | 4,5659. |
смещение скрытого нейрона 4. | — 1,2944. |
скрытый нейрон 1 -> Y (1). | — 0,1732. |
скрытый нейрон 2 -> Y (1). | — 8,6042. |
скрытый нейрон 3 -> Y (1). | — 3,7045. |
скрытый нейрон 4 -> Y (1). | 2,5646. |
скрытый нейрон 1 -> Y (2). | — 1,6650. |
скрытый нейрон 2 -> Y (2). | 1,0512. |
скрытый нейрон 3 -> Y (2). | — 0,6250. |
скрытый нейрон 4 -> Y (2). | 3,4396. |
скрытый нейрон 1 -> Y (3). | 1,9361. |
скрытый нейрон 2 -> Y (3). | 7,4458. |
скрытый нейрон 3 -> Y (3). | 4,3455. |
скрытый нейрон 4 -> Y (3). | — 5,9876. |
Смещение нейрона Y (1). | — 4,9267. |
Смещение нейрона Y (2). | 5,0311. |
Смещение нейрона Y (3). | — 0,1916. |
Таким образом, преобразования слоев нейронной сети имеют следующий вид:
H1=0,2967*X1+0,7880*X2−0,4002*X3+ +0,2820*X4+5,2354*X5−2,4495*X6+0,1550*X7+ +0,9774*X8+0,4822 (1).
H2=-7,3304*X1−14,4212*X2−6,0602*X3−8,0018*X4−1,6417*X5−5,0145*X6+8,5470*X7−8,0587*X8+0,2117 (2).
H3=-1,7025*X1−4,5133*X2−0,9799*X3−1,2750*X4+5,1701*X5−1,7683*X6+ +5,3332*X7−0,3059*X8+4,5659 (3).
H4=1,3146*X1+2,7018*X2+1,3614*X3+1,3257*X4−5,5835*X5+3,2810*X6−2,4366*X7+ +0,6179*X8−1,2944 (4).
Y1= -0,1732*H1−8,6042*H2−3,7045*H3+ +2,5646*H4−4,9267 (5).
Y2= -1,6650*H1+1,0512*H2−0,6250*H3+ +3,4396*H4+5,0311 (6).
Y3= 1,9361*H1+7,4458*H2+4,3455*H3−5,9876*H4−0,1916, (7).
где Y1 — лечение не требуется, Y2 — только ИАПФ, Y3 — ИАПФ и спиронолактон; H1, H2, H3, H4 — выходы нейронов скрытого слоя.
Проанализируем чувствительность нейросети к каждой из переменных. Чувствительность дает представление о том, как входы влияют на выходы. Рассмотрим чувствительность обученной сети к переменной xk. Пусть ошибка сети с переменной k на тестовых данных — Ewith k, ошибка сети без переменной k на тестовых данных — Ewithout k, тогда чувствительность будет описана следующей формулой:
м= Ewithout k / Ewith k (8).
Итоги анализа чувствительности представлены в табл. 5.
Таблица 5 — Анализ чувствительности.
PNN 50. | Альдостерон. | ЛГ. | ФВ. | СВВР. | SDNN. | 6-ти мин тест. | RMSSD. | |
Чувстви-тельность. | 8,826 731. | 7,334 014. | 4,208 119. | 1,27 109. | 1,240 502. | 1,18 817. | 1,5 877. | 0,98 466. |
Рис. 3 наглядно иллюстрирует чувствительность нейросети к каждой из переменных. Исключать переменные из анализа не следует, так как каждая из них играет значительную роль в определении класса. Переменные PNN 50, Альдостерон и ЛГ наиболее важны.
Рисунок 3 Гистограмма чувствительности.