УДК 004.8
МОДИФИКАЦИЯ АССОЦИАТИВНОЙ ГАУССОВОЙ МОДЕЛИ СМЕЩЕНИЯ В ЭКСПЕРТНЫХ ОЦЕНКАХ
Д. В. Горбунов, аспирант кафедры ИУ7 МГТУ им. Н. Э. Баумана, Москва, Россия;
orcid.org/0000-0002-4646-2636, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
К. Л. Тассов, старший преподаватель кафедры ИУ7 МГТУ им. Н.Э. Баумана, Москва, Россия;
e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра..
C. В. Телегин, бакалавр кафедры СГН3 МГТУ им. Н.Э. Баумана, Москва, Россия;
orcid.org/0009-0000-6637-7124, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Идея ансамблевого обучения состоит в том, чтобы организовать такой пул экспертов, который позволит объединить их в общую систему. В качестве эксперта могут рассматриваться различные алгоритмы предсказания, в том числе и нейронные сети. Суть ансамблевых методов состоит в том, что каждый из экспертов предоставляет свой отклик, который в последующем может использоваться обобщающим алгоритмом. Одним из обобщающих алгоритмов для классификации является ассоциативная гауссова модель смещения. В ней один эксперт для одного класса определяет результат только в одной области, что является недостатком. Поэтому предлагается модифицированный метод ассоциативной гауссовой модели смещения, в котором один эксперт определяет результат сразу в нескольких областях. В рамках метода предложен алгоритм, включающий в себя следующие этапы: нормировка входных данных, обучение модели на основе нормированных входных данных, нахождение значений выходов. Метод может служить любым сферам, в которых используются «слабые эксперты» и где необходимо ранжировать экспертов. В статье рассмотрены объединение ассоциативной гауссовой модели смещения и перцептрона Румельхарта, предобработка входных данных, обучение и предсказание с помощью модифицированного метода ассоциативной гауссовой модели смещения, приведены результаты полученных значений выходов.
Ключевые слова: модифицированная ассоциативная гауссова модель смещения, ассоциативная гауссова модель смещения, слабые эксперты, нейронные сети, перцептрон Румельхарта.