Ортогонализация и декорреляция входных векторов
Мы выяснили, что нормирование и приведение к единой шкале увеличивают информативность данных. Однако этого оказывается недостаточно. Известно [3], что если факторы статистически зависимы, то их совместная энтропия меньше суммы энтропий отдельных факторов. При достижении статистической независимости входов будет достигнута максимальная информационная насыщенность каждого из входных факторов в отдельности. Для достижения статистической независимости входов нейронной сети используется линейное преобразование, которое осуществляет декорреляцию входных векторов [3, 23]. Алгоритм декорреляции называется ещё "выбеливание входов" (whitening). Рассмотрим вычислительную сущность метода. Доказательства можно найти в литературе по многомерному статистическому анализу, например, в [21, 24]. Пусть входные векторы представлены в виде матрицы (табл. 3.2).
Таблица 3.2. Входные векторы
Тогда означает ‑й компонент вектора . Входные векторы будем рассматривать как случайные коррелированные векторы. Преобразуем входные векторы в центрированные, то есть в векторы с нулевым математическим ожиданием. Для этого вычислим матрицу , где , то есть вычитаем из элементов каждого столбца его среднее значение . Вычислим ковариационную матрицу. Ковариационная матрица — это квадратная матрица размера , образованная из попарных ковариаций компонентов каждого вектора. Элементы ковариационной матрицы равны (используем несмещенную оценку) , где — количество входных векторов, — число компонентов векторов. Ковариационную матрицу удобно рассматривать, используя скалярные произведения центрированных входных векторов , где — скалярное произведение векторов. Тогда ковариационная матрица запишется в виде , где — матрица центрированных векторов. Матрица является симметричной и положительно определенной матрицей размером . Матрица , составленная из преобразованных некоррелированных векторов, получается из исходной матрицы линейным преобразованием [21] , где , , — собственные векторы матрицы . Задача на собственные значения для матрицы имеет вид , где и — собственные числа и соответствующие собственные векторы матрицы . В результате преобразования столбцы матрицы преобразуются в некоррелированные столбцы матрицы . Матрица ковариации для представляет собой диагональную матрицу, с диагональю из дисперсий столбцов матрицы . Известно [21], что эти дисперсии равны соответствующим собственным числам матрицы . Зачастую [3, 23] векторы исходных данных преобразуют в некоррелированные векторы с единичной дисперсией по формуле , где . Полученные векторы будут не только некоррелированными, но и ортогональными. Действительно, два случайных вектора и называют некоррелированными, если и ортогональными, если (здесь обозначает вычисление математического ожидания) [25]. В нашем случае центрированных векторов, у которых математическое ожидание равно нулю, некоррелированность векторов означает их ортогональность. В результате ортогонализации совместная энтропия входных векторов увеличивается, поскольку распределение элементов в обучающем множестве выравнивается и становится ближе к равномерному. Но поскольку преобразованные входные векторы представлены в другой системе координат, то теряется привычный физический смысл их компонентов. Декорреляция связана с сингулярным разложением [20] ковариационной матрицы. Учитывая симметрию матрицы , получаем , где — диагональная матрица, на диагонали которой расположены собственные значения матрицы ; — ортогональная матрица, столбцы которой являются собственными векторами матрицы . Ортогональность матрицы означает ортогональность ее столбцов и равенство обратной матрицы транспонированной: . Ортогональность столбцов означает, что они образуют базис. Матрица , составленная из преобразованных некоррелированных векторов, и исходная матрица связаны соотношением , откуда . В учтено свойство ортогональной матрицы . Так как матрица диагональная, обратная матрица легко вычисляется. Выражения и совпадают. Следует отметить, что выбеливание входов не всегда дает существенный эффект, поэтому требует экспериментальной проверки.
Популярное: Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (1442)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |