Под размером изображения обычно понимается общее число узлов (нейронов) на плоскости выходных параметров. На плоскости большего размера можно различить больше подробностей, так как входные векторы распределяются по большему числу узлов. При большом числе узлов картина получается, как правило, более ясной, однако при этом она не допускает последующих интерпретаций (кластеры плохо видны). Плоскости меньшего размера, распределяющие большее число примеров на менее обширное множество узлов, могут содержать более крупные кластеры. Меньшее число узлов означает большую универсальность, что также может оказаться полезным, если в данных присутствует много помех. Исследователь должен решить, что ему предпочесть.
Обычно ответ на вопрос об оптимальном размере изображения зависит от конкретных данных и предназначения АНС. При определении размера плоскости выходных параметров ключевым моментом является способ дальнейшего использования результатов АНС. Если этот алгоритм используется для получения общей информации об обширных множествах данных, для этого может подойти плоскость большей размерности. Однако при использовании АНС для выбора эмитентов с целью инвестирования в их ценные бумаги оптимальной может ока-аться плоскость меньшего размера, на которой соответствующие предприятия кластеризуются по 5-7 категориям.
В наиболее часто используемых методах выбора формы плоскости выходных параметров используется либо соотношение осей главной плоскости, либо отношение, полученное при помощи проекции Сэммона. Некоторые программные средства позволяют определять форму плоскости автоматически.
Под форматом (отношением ширины сети к ее высоте) понимается входная размерность АНС. Как правило, эти параметры определяются, исходя из размерности входных данных. При соблюдении соответствия числа строк и столбцов на входе сети формату данных АНС будет наилучшим образом соответствовать множеству входных данных. В случае использования модификации данных, сокращающей число входных параметров, формат АНС может соответствующим образом корректироваться. Однако такая коррекция не обязательна . Многие программные пакеты допускают использование пустых столбцов и строк во входных данных.
Параметр «натяжения» сети соответствует ширине функции соседства по окончании процесса обучения.
Данная величина является мерой способности АНС подстраиваться к входным данным. Обычно специализированные программы предлагают по умолчанию значение 0,5, которое почти всегда является вполне приемлемым.
Для получения более подробных изображений на плоскости выходных параметров целесообразно снизить это значение до 0,2. Выбор более высоких значений, чем предлагаемое по умолчанию, приводит к формированию более грубых изображений.
Точность формирования АНС определяется предопределенными графиками обучения, включающими в себя определенные значения внутренних параметров, влияющих на формирование сети. Как правило, программные пакеты позволяют установить следующие значения точности: «fast» (быстро), «normal» (нормально), «thorough» (тщательно) или «slow» (медленно).
Еще один параметр этого ряда . режим адаптации.
Он показывает, как размерность промежуточных АНС определяется в процессе адаптации, исходя из заданных значений формата, натяжения и точности.
