THE QUICK METHOD OF TRAINING SAMPLE SELECTION FOR NEURAL NETWORK DECISION MAKING MODEL BUILDING ON PRECEDENTS

Решена задача формирования обучающих выборок для автоматизации построения нейросетевых моделей по прецедентам. Предложен метод формирования выборок, который автоматически выделяет из исходной выборки обучающую и тестовую выборки, не требуя загрузки всей исходной выборки в память ЭВМ, осуществляя поэкземплярную обработку исходной выборки с хэширующим преобразованием на одномерную ось, формирует эталоны кластеров на обобщенной оси, минимизируя их число, что позволяет повысить скорость формирования выборок, снизить требования к вычислительным ресурсам и памяти ЭВМ и обеспечить приемлемый уровень точности синтезируемых моделей. Разработанный метод не требует многократных проходов по выборке, ограничиваясь всего тремя просмотрами. При этом метод хранит в оперативной памяти только один текущий экземпляр и набор сформированных одномерных эталонов, который минимизирован по объему. В отличие от методов на основе случайного отбора и кластер-анализа предложенный метод автоматически определяет размер формируемых обучающей и тестовой выборок, не требуя участия человека. Разработано программное обеспечение, реализующее предложенный метод, на основе которого решена практическая задача построения модели принятия решений для индивидуального прогнозирования состояния пациента, больного гипертонией.