Алгоритми МГВА та ‘МГВА-подібні’ алгоритми

Необхідно підкреслити різницю між оригінальними алгоритмами МГВА та ‘МГВА-подібними’ алгоритмами. Перші працюють, знаходячи мінімум зовнішнього критерію (рис.1) і таким чином реалізують об’єктивний вибір оптимальної моделі. Цей метод заснований на індуктивному підході: оптимальні моделі знаходяться за допомогою перебору можливих варіантів і оцінки їх за зовнішнім критерієм. Він вираховується на окремій частині вибірки даних, що не була використана для побудови моделей. Оптимальна модель може бути вибрана за двома критеріями: перший відбирає кращі моделі на кожному ряді перебору для структурної ідентифікації, а другий знаходить оптимальну модель. Процедура селекції зупиняється, коли досягнуте мінімальне значення критерію.

Другі ‘МГВА-подібні’ алгоритми працюють за характеристикою, що можна виразити як ‘чим складніша модель – тим вона точніша’. Це вимагає введення певних порогів чи визначати коефіцієнти ваги у формулі внутрішнього критерію для знаходження моделі суб’єктивним шляхом. Але дійсні проблеми частіше представлені короткими або зашумленними вибірками даних. На жаль майже в усіх програмах типу МГВА (NeuroShell2, ModelQuest, ASPN) та дослідницьких роботах у США та Японії використовується цей дедуктивний підхід, який не є ефективним для такого виду даних.

Індуктивний підхід не усуває експертів чи забирає їх від комп’ютера, скоріше дає їм особливе положення. Експерти задають критерій відбору загального виду та інтерпретують отримані моделі. Вони мають можливість впливати на результат моделювання шляхом формулювання нового критерію. Комп’ютер стає об’єктивним суддею у наукових суперечках, якщо ансамбль критеріїв узгоджений між експертами, що приймають участь у дискусії.

Людський елемент часто зумовлює помилки та необгрунтовані рішення. Об’єктивний вибір оптимальної моделі за екстремумом характеристики зовнішнього критерію у діючих індуктивних алгоритмах часто суперечить погляду дослідника. Об’єктивні алгоритми дають можливість реалізувати дійсний штучний інтелект.