ТЕСТИРОВАНИЕ КАЧЕСТВА НЕЙРОСЕТЕВОЙ КОРРЕКЦИИ ОШИБОК ВЫЧИСЛЕНИЯ СТАНДАРТНОГО ОТКЛОНЕНИЯ МАЛЫХ ВЫБОРОК БИОМЕТРИЧЕСКИХ ДАННЫХ 

Владимир Иванович Волчихин, доктор технических наук, профессор, президент Пензенского государственного университета (Россия, г. Пенза, ул. Красная, 40), E-mail: vvi@pnzgu.ru
Александр Иванович Иванов, доктор технических наук, доцент, профессор кафедры информационной безопасности и технологий, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40); научный консультант, Пензенский научно-исследовательский электротехнический институт (Россия, г. Пенза, ул. Советская, 9) E-mail: ivan@pniei.penza.ru
Елена Александровна Малыгина, кандидат технических наук, докторант кафедры технических средств информационной безопасности, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: tsib@pnzgu.ru 
Сергей Викторович Качалин, кандидат технических наук, заместитель начальника отделения, НПП «Рубин» (Россия, г. Пенза, ул. Байдукова, 2), E-mail: s.kachalin@gmail.com
Светлана Андреевна Полковникова, аспирант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: 1996svetlanaserikova@gmail.com 

004.056; 004.89; 57.087 

DOI

10.21685/2307-5538-2021-4-8 

Актуальность и цели. Рассматривается статистический анализ малых выборок в 16 опытов через оценку стандартного отклонения. Целью работы является нейросетевое предсказание ошибок вычисления стандартных отклонений на малых выборках биометрических данных. Материалы и методы. Для предсказания значений ошибок вычисления стандартных отклонений использованы многослойные сети искусственных нейронов. Алгоритмы обучения глубоких нейронных сетей хорошо известны. Главной проблемой для их реализации обычно является получение достаточно больших обучающих выборок. Новизна подхода заключается в том, что для рассматриваемой задачи использован автомат формирования обучающих выборок с разным значением ошибок оценки стандартного отклонения. Результаты. Созданный нейросетевой корректор ошибок позволяет снизить интервал ошибок вычисления стандартного отклонения на 22,7 % для выборок объемом в 16 опытов. При этом выявлена проблема, состоящая в необходимости выполнять длительное обучение многослойных нейронных сетей для каждого нового объема выборок. Вывод. Анализ полученных результатов в ходе проведенного исследования показал, что нейросетевые корректоры ошибок могут повышать достоверность статистических оценок и иных моментов. При этом могут быть созданы нейросетевые предсказатели ошибок вычисления математических ожиданий и коэффициентов корреляции. Предположительно, процесс улучшения достоверности будет монотонен и через один или два года удастся снизить интервал неопределенности вычислений дополнительно на 20 % за счет использования сетей из 15 или 20 слоев нейронов. 

Ключевые слова

анализ малых выборок, многослойная сеть искусственных нейронов, предсказание ошибок вычисления стандартного отклонения 

 Скачать статью в формате PDF

1. Галушкин А. И. Синтез многослойных систем распознавания образов. М. : Энергия, 1974.
2. Хайкин С. Нейронные сети. Полный курс. 2-е изд., испр. М. : Вильямс, 2006. 1104 с.
3. Горбаченко В. И. Нейроинформатика : конспект лекций. Пенза : Пенз. гос. пед. ун-т им. В. Г. Белинского, 2011. 81 с.
4. Гудфеллоу Я., Бенджио И., Курвиль А. Глубокое обучение. М. : ДМК Пресс, 2017. 652 с.
5. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб. : Питер, 2018. 480 с.