3.1. Задача разработки нейронной сети

Практическое использование нейронных сетей предполагает решение двух основных задач на этапе их разработки – задачи идентификации структуры нейронной сети и задачи идентификации её параметров.

Идентификация структуры нейронной сети производится перед использованием процедуры обучения и включает в себя следующие основные этапы [1].

1. Выбор значимых входных и выходных переменных.

2. Определение архитектуры нейронной сети.

Выбор значимых входных переменных нейронной сети определяется из условия решаемой задачи. В задаче анализа аномальной сетевой активности входными переменными будут являться те параметры, которые определяют характеристики атаки. Выходными параметрами нейронной сети будут два нейрона, значения которых будут определять наличие либо отсутствие аномальной сетевой активности.

Определение архитектуры нейронной сети предполагает выбор числа слоев сети, количества нейронов в каждом слое, а также используемой функции активации нейронов. Данные параметры определяют степень точности решаемой задачи. С одной стороны, малое число нейронов и слоев может стать причиной плохой аппроксимации экспериментальных данных при обучении нейронной сети. С другой, слишком большие значения данных параметров могут привести к так называемому эффекту переобучения, когда нейронная сеть правильно распознает известные примеры и некорректно работает на неизвестных данных. Поэтому, данные параметры часто определяются экспериментально.

Задача идентификации параметров нейронной сети решается на этапе ее обучения. При этом важно выбрать эффективный алгоритм обучения, в качестве которого наиболее часто используют алгоритм обратного распространения ошибки.