Документ взят из кэша поисковой машины. Адрес
оригинального документа
: http://www.iki.rssi.ru/magbase/REFMAN/STATTEXT/glossary/gloss_sh.html
Дата изменения: Unknown Дата индексирования: Fri Dec 21 22:28:40 2007 Кодировка: Windows-1251 Поисковые слова: п п п п п п п п п п п п п п п п п п п п п п п п п |
Шаги (число), Временное
окно. Число повторений некоторой
аналитической или вычислительной операции или
процедуры. Например, в анализе временных рядов с
помощью нейронных сетей -
число шагов по времени, для которого следует
взять значения входной переменной для подачи на
вход нейронной сети.
Шкала отношений. Такая шкала измерений содержит абсолютную нулевую отметку, что позволяет не только оценить и сравнить расстояния между наблюдениями, но и интерпретировать каждое значение переменной в абсолютной шкале, измеряющей данное качество (например, при измерении времени, 3 часа не только на 2 часа больше, чем 1 час, но и в 3 раза больше, чем 1 час).
См. также Шкалы измерений.
Шкалирование. Приведение
(с помощью специальной функции или алгоритма)
значений переменных в диапазон, удовлетворяющий
определенным требованиям (например:
положительные, от нуля до единицы, не больше 10E12, с
большой относительной дисперсией).
Штраф за элемент. В
некоторых алгоритмах поиска - штрафной
коэффициент, который умножается на число
элементов в нейронной сети.
Полученный результат затем прибавляется к
ошибке сети при сравнении ее с другими сетями.
Способствует выбору сетей меньших размеров. См.
также Штрафные функции.
Штрафная
функция. Ограничение, накладываемое на функцию потерь, которое
применяет штраф (очень большое значение) на
функцию потерь в случае выполнения определенных
нежелательных обстоятельств. Использование штрафной
функции позволяет пользователю
контролировать множество допустимых значений
для оценок параметров, получаемых в процессе
нелинейного оценивания. Для получения
дополнительной информации см. раздел Штрафные функции,
ограничение параметров.
Шум, добавление (для нейронных сетей). Способ предотвратить переобучение при обучении нейронной сети методом обратного распространения. Во время обучения к данным входных наблюдений добавляется случайный шум (в результате чего обучающие данные "смазываются"). См. Нейронные сети.