The methods of extracting the contribution of variables in artificial neural network models - Comparison of inherent instability

روش های اندازه گیری اهمیت متغیر در مدل مبتنی بر شبکه عصبی در بسیاری از زمینه های علمی استفاده می شود. این روش ها جعبه سیاه را باز می کنند؟ مدل و اطلاعاتی در مورد اهمیت نسبی متغیرهای توضیح داده شده را ارائه می دهد. با این حال، سهم متغیرهای ورودی مستقل معمولا بر اساس مدل تک و بهترین عصبی محاسبه می شود. در چندین گزارش علمی ثابت شده است که استفاده از یک معماری شبکه عصبی می تواند منجر به نتایج گمراه کننده شود. در این کار استراتژی جدید بر مبنای یک گروه از مدل های عصبی حاوی مدل های یک معماری آموزش دیده است که از مقادیر مختلف تصادفی وزن های اتصال و همچنین مدل های معماری مختلف پیشنهاد شده است. نتایج براساس مدل رابطه بین پارامترهای عسل شیمیائی و همچنین ضریب افت دما و ضریب عادی عسل است. این رویکرد جدید وعده تولید نتایج نسبتا دقیق و قابل اعتماد است و در برنامه های دنیای واقعی ارزشمند است.