Підвищення точності нейроподібних структур геометричних перетворень

Abstract

Проаналізовано проблеми підвищення точності нейроподібних структур машини геометричних перетворень (МГП) під час розв’язання завдань передбачення в галузі інтелектуального аналізу даних (ІАД). Розроблений в статті метод передбачення на основі виділення головних компонент шляхом об’єднання вхідних тренувальних та тестових даних ілюструється прикладом. The article analyzed the problem of improving the accuracy of neural-like geometrical transformation machine and the approach to solving a problem of prediction for Data Mining tasks where data are high-dimensional. Developed method of prediction is improved by independent reproduction of principal components.