Е. Миркес - Учебное пособие по курсу «Нейроинформатика»

В необязательном разделе описания сигналов указывается число сигналов, оцениваемых всеми частными оценками. Если этот раздел опущен, то полагается, что число оцениваемых оценкой сигналов равно сумме сигналов, оцениваемых всеми частными оценками. В константном выражении может вызываться функция NumberOf, аргументом которой является имя частной оценки (или ее псевдоним) с указанием фактических аргументов.

В необязательном разделе описания распределения сигналов для каждой частной оценки указывается, какие сигналы из общего оцениваемого массива передаются ей для оценивания. Если этот раздел опущен, то считается, что каждая следующая частная оценка получает следующий фрагмент массива сигналов. Порядок следования частных оценок соответствует порядку их перечисления в разделе описания состава. В примере 1 раздел описания распределения сигналов задает распределение сигналов по умолчанию. Массив производных оценки по выходным сигналам сети параллелен массиву сигналов.

В необязательном разделе описания распределения ответов для каждой частной оценки указывается какой элемент массива ответов будет ей передан. Если этот раздел опущен, то считается, что каждая следующая частная оценка получает следующий элемент массива ответов. Порядок следования частных оценок соответствует порядку их перечисления в разделе описания состава. В примере 1 раздел описания распределения ответов задает распределение сигналов по умолчанию. Массивы достоверностей ответов и вычисленных оценок параллельны массиву ответов.

Кроме того, в любом месте описания оценки могут встречаться комментарии, заключенные в фигурные скобки.

В этом разделе приведены два примера описания одной и той же оценки следующего состава: первый сигнал интерпретируется как температура путем умножения на 10 и добавления 273; следующие два сигнала интерпретируются как наличие облачности, используя знаковый интерпретатор; следующие три сигнала интерпретируются как направление ветра, используя двоичный интерпретатор (восемь румбов); последние три сигнала интерпретируются максимальным интерпретатором как сила осадков (без осадков, слабые осадки, сильные осадки). Для трех последних интерпретаторов используются соответствующие им оценки типа расстояние до множества. В первом примере приведено описание дубликатов всех стандартных оценок. Во втором — использованы стандартные оценки.

Пример 1.

EstimationMeteorology

EstEmpty1() {Оценка для интерпретатора, осуществляющего масштабирование и сдвиг сигнала}

Static

RealB Name"Масштабный множитель";

RealC Name"Сдвиг начала отсчета" ;

RealE Name"Требуемаяточность совпадения" ;

Var

RealA ;

Begin

A = Signals[1] – ( Answer –C) / B;

D = E * Reliability; {Допуск определяем произведением}

If Abs(A)Then Estim= 0

Else IfA > 0 Then Begin

Estim= Weight * Sqr(A – D) / 2;

If Direv Then Back[1] = Weight * (A – D);

End Else Begin

Estim= Weight * Sqr(A + D) / 2;

If Direv Then Back[1] = Weight * (A + D);

End

End

{Кодирование номером канала. Оценка для знакового интерпретатора.}

EstBinary1(N : Long)

Static

RealE Name"Уровень надежности";

Var

LongI, J ;

RealA, B, C ;

Begin

J = Answer; {Правильный ответ – номер правильного класса}

B = 0;

C = E * Reliability; {Допуск определяем произведением}

ForI = 1 ToN Do

IfI = J Then Begin

If Signals[I] < С Then Begin

B = B + Sqr( Signals[I] – С);

If Direv Then Back[I] = 2 * Weight *( Signals[I]-С);

End;

End Else Begin

If Signals[I] > -C Then Begin

B = B + Sqr( Signals[I] + C);

If Direv Then Back[I] = 2 * Weight *( Signals[I] + C);

End

End;

Estim= Weight*B

End