Дифференциальный критерий Джини для нейросетевого анализа малых выборок биометрических данных 

Светлана Андреевна Гужова, аспирант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: 1996svetlanaserikova@gmail.com 

Актуальность и цели. Обучение искусственных нейронных сетей в соответствии с алгоритмами по распознаванию биометрических образов, описанными в ГОСТ Р 52633.5–2011, должно выполняться на малых выборках. Рассматриваются выборки, состоящие из 16 и 64 опытов. Материалы и методы. Показано, что для выборок в 16 опытов хи-квадрат критерий 1900 г. дает недопустимые вероятности ошибок. Классический критерий Джини 1941 г. дает вероятности ошибок на 29 % выше хи-квадрат критерия. Результаты и выводы. Использование предложенного нового дифференциального варианта критерия Джини позволяет на выборках в 16 опытов получить результаты примерно в 9 раз лучше, чем у хи-квадрат критерия на выборках того же объема. Рассмотрен вариант нейросетевого использования классических и вновь созданных на их базе критериев. При этом нейросетевое использование 9 новых статистических критериев позволяет снизить вероятности ошибок первого и второго рода до значения 0,031. Если в этой группе заменить наихудший критерий на дифференциальный критерий Джини, то вероятность появления ошибок удается снизить до значения 0,027. 

Ключевые слова

быстрые алгоритмы обучения нейросетей, малые выборки, статистические критерии проверки гипотезы нормальности и равномерности, бинарные нейрокритерии, искусственные нейроны, повышение точности оценок за счет устранения кодовой избыточности 

 Скачать статью в формате PDF

Для цитирования:

Гужова С. А. Дифференциальный критерий Джини для нейросетевого анализа малых выборок биометрических данных // Известия высших учебных заведений. Поволжский регион. Технические науки. 2024. № 3. С. 47–54. doi: 10.21685/2072-3059-2024-3-5