Формирование интеллектуального агента верхнего иерархического уровня

Данные на выходе ИА нижнего уровня интерпретируются как вероятность риска инсульта и как вероятность отсутствия риска инсульта. Эти значения вероятности были представлены тремя интервалами, аналогами квантилей, которые интерпретируются как отсутствие риска наличие риска и высокий риск.

Нри формировании ИА верхней иерархии необходимо построить критерий отсева ИА нижней иерархии. Очевидно, что таким критерием должно быть отсутствие улучшение показателей качества классификации при включении в МИС очередного ИА нижнего уровня. Однако это не отвечает ситуации, когда множества правильно классифицированных ИА образцов не пересекаются. Ноэтому, чтобы удалить ИА из МИС, необходимо, чтобы множество правильно классифицированных образцов этим ИА принадлежало множествам правильно классифицированных образцов ИА, уже включенных в МИС, то есть выполнялись условия

где A1_i- подмножество элементов первого класса (риск инсульта), отнесенных i- м классификатором к первому классу; A2_i- подмножество элементов второго класса (нет риска инсульта), отнесенных i-м классификатором ко второму классу.

Если условия (2.8) или (2.9) не выполняются, то ИА включается в схему бустинга. Схема бустинга реализуется следующим образом.

где черта над обозначением соответствующего подмножества показывает, что образцы, входящие в это подмножество, были ошибочно отнесены к другому множеству. Полагаем, что если для образца первого класса выход ИАІ, соответствующий первому классу, находится в третьем терциле, а выход, соответствующий второму классу - в первом терциле, то образец классифицирован правильно. Соответственно, если для образца второго класса выход ИАІ, соответствующий второму классу, находится в третьем терциле, а выход, соответствующий первому классу - в первом терциле, то образец классифицирован правильно. Если все образцы обучающей выборки классифицированы правильно, то бустинг не нужен. В противном случае необходимо построить два ИА - сателлита: ИАІ1 и ИАІ2. Для построения ИАІ1 необходимо получить обучающую выборку посредством изъятия из исходной выборки подмножества А11, а для построения ИАІ2 необходимо получить обучающую выборку посредством изъятия из исходной выборки подмножества А21. Результаты обучения этих агентов - сателлитов разбиваются на терцили путем установки границ терцилей. Таким образом, получаем итерационный процесс формирования ИА-сателлитов для каждого ИА нижнего уровня. Число сателлитов для первого класса в общем случае не равно числу сателлитов для второго класса. На рисунке 2.15 представлена структурная схема ИА верхнего уровня, построенная по вышеописанной технологии бустинга.

Рисунок 2.15 - Структурная схема интеллектуального агента верхнего

иерархического уровня

При этом ИА верхнего уровня может быть выполнен, как по нейросетевой технологии, так и на правилах продукционного типа.

На рисунке 2.16 представлена схема алгоритма работы ИА верхнего иерархического уровня. В блоке 1 осуществляется ввод данных с выходов /-го ИА нижнего иерархического уровня. Если данные на выходе ИА нижнего иерархического уровня достоверны, то выполняется условие

где у1 и у2- первый и второй выходы ИА нижнего уровня, T1и T3- подмножества первого и третьего терциля.

ИА верхнего иерархического уровня включает пространство информативных признаков с соответствующим классификатором. Классификатор может быть создан на основе любой парадигмы, поэтому задача алгоритма формирования ИА верхнего уровня состоит, по существу, в синтезе пространства информативных признаков для этого ИА.

Схема «исключающее ИЛИ» (EXOR на рисунке 2.15) включает процедуру бустинга при невыполнении условия (2.10).

В блоке 2 проверяется условие (2.10). Если условие (2.10) выполняется, то данные достоверны и алгоритм переходит на блок 15, в котором формируется решение ИА верхнего иерархического уровня.

Если данные не достоверны, то включается технология бустинга, которая предусматривает подключение ИА-сателлитов, что приводит к расширению пространства информативных признаков у ИА верхнего иерархического уровня. Число ИА-сателлитов для класса 1 и для класса 2 определяется в процессе формирования ИА верхнего иерархического уровня согласно структурной схеме рисунок 2.15. На рисунке число сателлитов класса 1 - N, а число сателлитов класса 2 - М.

Рисунок 2.16 - Схема алгоритма работы интеллектуального агента верхнего иерархического уровня (начало)

Рисунок 2.16 - Схема алгоритма работы интеллектуального агента верхнего иерархического уровня (окончание)

Характерной особенностью алгоритма рисунок 2.16 является то, что модуль NET анализирует выходы всех сателлитов, независимо, в каком терциле они находятся, но включение или не включение очередного сателлита того или иного

класса в ИА верхнего иерархического уровня определяется тем, в каком терциле находится соответствующий выход предшествующего сателлита этого класса.

Для стеллитов первого класса в блоке 7 проверяется условие

Если это условие не выполняется (блок 8), то включается очередной сателлит этого класса (блоки 9 и 6). Нроцесс будет остановлен при условии подключения всех сателлитов данного класса (блок 5) или при условии выполнения условия (2.10).

Аналогичным образом включаются ИА - сателлиты для второго класса (блоки 10-14), только при этом в блоке 12 проверяется условие

Для обучения классификатора NET используем методику, представленную в [7, 23, 87].

2.4