Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Как видно приведенных в таблице данных, во всех случаях, когда имеется<br />
лишь небольшой объем экспериментальных данных, применение многозадачного<br />
обучения приводит с существенному улучшению прогнозирующей способности<br />
при недостатке экспериментальных данных. Эта тенденция особенно<br />
хорошо видна на Рис. 62, на котором показан тренд зависимости увеличения<br />
показателя Q 2 при переходе к многозадачному обучению от размера выборки.<br />
На приведенной диаграмме четко видно, что при размере выборки меньше 90<br />
соединений применение многозадачного обучения приводит к заметному росту<br />
прогнозирующей способности, которое происходит за счет неявного переноса<br />
информации, использованной для построения моделей для связанных с ними<br />
свойств, для которых выборки содержат почти 100 и больше соединений. Для<br />
этих же последних свойств применение многозадачного обучения не приводит<br />
ни к какому статистически значимому эффекту.<br />
Табл. 32. Статистические характеристики нейросетевых моделей, полученных<br />
при однозадачном и многозадачном многозадачном обучении для констант<br />
распределения «ткань-воздух»<br />
Ткань / организм Число соединений<br />
Однозадачное обучение<br />
Многозадачное обучение<br />
Q 2 MAE Q 2 MAE<br />
Жир человека 42 0.20 0.46 0.57 0.32<br />
Мозг человека 35 0.48 0.48 0.59 0.35<br />
Печень человека 30 0.20 0.38 0.55 0.27<br />
Почки человека 34 0.23 0.60 0.55 0.35<br />
Мышцы человека<br />
38 0.37 0.55 0.51 0.43<br />
Кровь человека 138 0.66 0.48 0.68 0.42<br />
Жир крысы 99 0.70 0.73 0.73 0.70<br />
Мозг крысы 59 0.25 0.25 0.43 0.43<br />
Печень крысы 100 0.72 0.72 0.67 0.67<br />
Почки крысы 27 0.12 0.12 0.27 0.27<br />
Мышцы крысы 97 0.72 0.72 0.67 0.67<br />
273