1-ma’ruza. Berilganlarni intellektual tahliliga kirish

Informativ alomatlar individual to‘plam ostilarini ajratish mezonlari. Standart tarzdagi obrazlarni anglash masalasi qaraladi. O‘rgatuvchi tanlanma to‘plam orqali berilgan bo‘lib, uning obyektlari ikkita kesishmaydigan va sinflarga (to‘plam ostilariga) bo‘lingan, . Obyektlar tavsiflari n ta turli toifadagi alomatlar orqali amalga oshiriladi, bunda alomatlardan tasi interval shkalalarda, tasi esa nominal shkalalarda o‘lchanadi. I,J orqali mos ravishda sonli va nominal alomatlar indekslari to‘plamlarini belgilaymiz. obyekt uchun informativ alomatlar ajratish mezonlari berilgan bo‘lsin. Har bir mezon bo‘yicha obyekt uchun quyidagilarni topish talab qilinadi:

• 
  – alomatlarning informativ to‘plam ostisini;
  
• 
  informativ to‘plam ostisi bo‘yicha mezonning ekstremal qiymati sifatidagi S obyektining bahosini.
  

Mumkin bo‘lgan obyektning o‘zining informativ alomatlar fazosi chegarasida tavsiflash obyektning boshqa obyektlar bilan o‘xshashlik (farqlanish) individual o‘lchovini aniqlash uchun ham zarurdir. Bunday o‘lchov obyektlar orasidagi munosabatlarni aks ettiradi va qarorlar qabul qilish vositasi hisoblanadi.
O‘lchov masshtablarini unifikatsiyalash maqsadida miqdoriy alomatlar qiymatlari kasr-chiziqli almashtirish orqali [0,1] oraliqqa akslantiriladi. Berilgan va obyektlar yaqinligining o‘lchovi sifatida Juravlyov metrikasi qo‘llaniladi:

Faraz qilaylik, obyekt uchun alomatlar to‘plam ostisi bo‘yicha obyektlarining tartiblangan
(4)
ketma-ketlik qurilgan bo‘lib, ular o‘rtasida munosabat ko‘rinishidagi tengsizlik bilan berilgan.
Tanlanmaning obyektini (4) bo‘yicha baholash uchun quyidagi funksionaldan foydalaniladi:
. (5)
Bu yerda – mos ravishda (4) bo‘yicha aniqlanadigan ketma-ketlikdagi va sinflar vakillari soni. (5) funksionalning qabul qilishi mumkin bo‘lgan qiymatlari to‘plami (0,1] intervalga tegishli bo‘ladi.
Mumkin bo‘lgan obyekt uchun
(6)
funksional bo‘yicha uchun X(μ), μ ≤n alomatlar informativ to‘plam ostisini ajratishni alohida masala sifatida qarash mumkin. Masalan [3] keltirilgan tibbiy ko‘rsatkichlar to‘plami bo‘yicha mumkin bo‘lgan obyektning (6) qiymatini , p=1,2 sinf bo‘yicha salomatlik indeksi sifatida talqin etilgan va (6) funksionalning ekstremumini topish uchun tanlashning evristik qadamba-qadam algoritmlari ishlatilgan. Alomatlarni tanlashning turli sxemalari (kam informativ alomatlarni ketma-ket chiqarib tashlash yoki informativligi yuqori alomatlarni ketma-ketlikka kiritish) o‘xshash natijalarga olib kelmasligi mumkin .
Tanlash evristik algoritmlarida (6) dan samarali foydalanish yo‘lidagi to‘siqlardan biri alomatlar fazosi o‘lchamining kattaligidir. Bu esa o‘z navbatida obyektlar orasidagi yaqinlik qiymatlari “yuvilib” ketishiga va qo‘llanilayotgan algoritmlar bo‘yicha hisoblashlar murakkabligining eksponensial o‘sishiga olib keladi. Hisoblashlarning kombinator murakkabliligini kamaytirish uchun berilganlarga dastlabki ishlov berish tavsiya etiladi.
Minimal konfiguratsiyali sun’iy neyron to‘rlari modellarini sintez qilish uchun turli toifadagi alomatlarni bog‘liqmasligi darajasi bo‘yicha tartiblangan joylashuvidan foydalanish mumkin. Bu maqsadda alomatlar juftliklari orasidagi yaqinliklar (farqlar) matritsasi shakllantirilgan. O‘lchov shkalalarini unifikatsiyalash uchun maxsus mezon asosida miqdoriy alomatlar nominal shkalaga o‘tkazishdan foydalanildi. Alomatlarning ketma-ket joylashuv tartibi alomatlar juftliklari orasidagi yaqinliklar (farqlar) matritsasi asosida aniqlandi.
Yaqinliklar matritsasi qiymatlaridan Juravlyov metrikasi asosida alomatlar juftliklari uchun o‘lchovlar shkalalarini unifikatsiya qilinmasdan (bitta shkalaga olib kelmasdan) foydalanish taklif qilinadi. obyekt uchun yaqinlilik matritsasi elementlari quyidagicha hisoblanadi:
(7)
Yaqqol ko‘rinib turibdiki, .
P orqali elementlari qiymatlari boshlang‘ich alomatlar qiymatlarning nomerlari bo‘lgan to‘plamni belgilaylik. Elementlari (7) bo‘yicha qurilgan matritsadan alomatlarning tartiblangan to‘plami hosil qilish uchun
(8)
alomatlar ketma-ketligini qurishning rekursiv protsedurasidan foydalanildi:
Boshlang‘ich qadamda bo‘lsin. B(S) matritsasidan eng katta qiymatga ga ega bo‘lgan juftlik ajratiladi va (8) ga (chapdan o‘ngga) kiritiladi. Ajratilgan alomatlar nomerlari da qayd qilinadi. juftlikdagi ketma-ketlik tartibi sharti bilan aniqlanadi. Xuddi shunday usul bilan B(S) dan i va j nomerli satr va ustunlarni o‘chirib tashlash asosida {1,…,n}\P to‘plamidan (8) uchun navbatdagi alomatlar juftligi aniqlanadi.
Algoritmlar kombinator murakkabligini qisqartirish maqsadida (8) dan o‘ngdan chapga qarab r ta (0) elementlar chiqarib tashlanadi. Hosil bo‘lgan to‘plam ostisi, (7) bo‘yicha informativ alomatlar tanlash jarayonini boshlash uchun boshlang‘ich hisoblanadi.
Informativ alomatlarni tanlashda (4) ketma-ketlikdan foydalanishga asoslangan va (6) dan farqli yana bir usul taklif etiladi. Quyidagi belgilashlarni kiritaylik: – intervallarga tegishli sinf obyektlari soni, bunda mos ravishda i=1,2; – (1) ketma-ketlikdagi tartib nomer bo‘lib, , , . Intervalning chegarasini aniqlash mezoni ikkita intervallarning har birida faqat bitta sinf obyektlarigacha bo‘lgan masofa qiymatlarini o‘z ichiga olishi haqidagi gipoteza rostligini tekshirishga asoslanadi.
Mezonning alomatlar to‘plam ostisi bo‘yicha ekstremal qiymati quyidagicha
(9)
hisoblanadi va uning qabul qilishi mumkin bo‘lgan qiymatlari to‘plami (0,1] sohaga tegishli. (9) ifodada chap qavsdagi ifoda sinf ichidagi o‘xshashlikni, o‘ng qavslardagi ifoda esa sinflararo farqlanishni ifodalaydi. (9) bo‘yicha alomatlarning informativ to‘plam ostisi X(μ) quyidagicha aniqlanadi:

Belgilashlar kiritaylik:
,
,
, ,
bu yerda interval X(k) alomatlar to‘plam ostisi (9) ga ko‘ra topiladi. X(k) to‘plam ostisi bo‘yicha tanlanmaning obyektning bahosi (turg‘unligi)

ko‘rinishida hisoblanadi va
(10)
Bu yerda – alomatlar informativ to‘plam ostisi. (10) asosida baho qiymatini hisoblash mezoni multiplikativ, (6) asosidagi mezoni additiv sifatida xarakterlanadi.
Alomatlarning X(k) to‘plam ostisi bo‘yicha markazi bo‘lgan gipershar shaklidagi mantiqiy qonuniyat
,
to‘plam asosida aniqlanadi, bu yerda qarama-qarshi sinfdan obyektga eng yaqin obyekt bo‘lib, uni tavsiflovchi alomatlarning informativ to‘plam ostisini tanlash va izohlash uchun gipershar shaklidagi mantiqiy qonuniyatning turg‘unlik mezonining ekstremumidan foydalanish tavsiya etiladi:
(11)