@snegirev_news

Верна ли предлагаемая структура нейронной сети?

Задача состоит в распознании разновидности диабета по анализу крови и антропометрическим параметрам человека.

Вместе с науч. руководителем набросали вот такую схему нейронной сети:
Архитектура нейр.сети
5bfa6aba8dfc1036566894.jpeg


Суть такова: Красный нейрон - на него подаются результаты анкетирования
Зеленый - результаты анализа крови
Синий и Желтый - результаты проверки факторов риска ( на синий для Мужского пола, на Желтый - для женского)
На следующий слой для верхнего черного нейрона туда подаются результаты с предыдущего слоя, только тех, что относятся к Мужскому полу, соответственно на нижний - для женского. Последний слой - выводит результат

Хотелось бы спросить совета о том, насколько верна эта структура и, может быть, советы по ее улучшению или переработке.
Заранее спасибо!
  • Вопрос задан
  • 119 просмотров
Пригласить эксперта
Ответы на вопрос 4
@dmshar
Задам вопрос - а зачем вам нейронная сеть? Дело в том, что ваша задача КЛАССИЧЕСКАЯ задача классификации, к которой сводятся практически все задачи медицинской диагностики до знаменитого IBM Watson включительно.
Нейронная сеть в реалии нужна тогда, когда классические методы не работают, ну например, при очень сложных и запутанных связях между входными параметрами (как в распознавании визуальных образов или в распознавании смысла текста), причем еще одно важнейшее условие - наличие реально очень-очень-очень-очень большого количества входных данных (от десятков тысяч до миллионов). И только при этих условиях НС способны дать хоть какой-то выигрыш по точности, по сравнении с классикой. Первого в вашем случае точно нет, а второе - очень вероятно, что нет.
Кроме того, напомню, что в медицине никто и никогда не примет результат вашего исследования, если вы не будете способны его интерпретировать (термин "доказательная медицина" надеюсь, вам знаком, как и ее основные требования). НС этим свойством не обладают, классические алгоритмы - обладают.
Так приведите хоть один аргумент - кроме моды - в пользу НС.
Если же все таки примете решение применять традиционные алгоритмы машинного обучения - можно будет думать и обсуждать, какого класса алгоритмы лучше применить и как его реализовать.
Удачи.
Ответ написан
sgjurano
@sgjurano
Разработчик
Определите метрику качества и экспериментируйте, до архитектуры нейронных сетей наука пока не добралась, так что эксперимент - главный критерий :)

PS: для экспериментов рекомендую использовать pytorch.
Ответ написан
Комментировать
angrySCV
@angrySCV
machine learning, programming, startuping
>только тех, что относятся к Мужскому полу, соответственно на нижний - для женского.
вся суть машинного обучения, в том чтоб машина САМА искала какие признаки к чему и как относятся.
то что вы уже за нее решаете, как у вас будут признаки работать, это уже не машинное обучение - это эвристическое программирование.
Хотите машинное обучение - соединяйте полностью слои друг с другом
Ответ написан
@ivodopyanov
NLP, python, numpy, tensorflow
  1. Два-четыре нейрона в одном слое - это ну очень скупо. Если обучение будет на первом Pentium - то тогда может быть
  2. Незачем так явно ограничивать топологию сети. В ходе обучения веса ненужных связей сами собой уйдут в 0.
  3. Посмотрите другие алгоритмы машинного обучения, например градиентный бустинг (классическая реализация - библиотека xgboost)
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы