Neuroverkoilla luokittelu ja tapausten keinotekoinen lisääminen aineistoon.

Tutkielmassa tarkastellaan neuroverkkojen kykyä luokitella erilaisia lääketieteellisiä aineistoja ja sitä miten tapausten keinotekoinen lisääminen aineistoon vaikuttaa neuroverkkojen kykyyn luokitella. Neuroverkoille opetettiin kahdeksan eri aineistoa käyttäen kymmenkertaista ristiinvalidointia. Jokaiselle aineistolle etsittiin sopiva neuroverkon arkkitehtuuri ja opetusparametrit. Jokaisen aineiston kohdalla neuroverkot oppivat parhaiten suurimman luokan. Opetusten tulokset havainnollistivat myös sitä miten monta piiloneuronia neuroverkossa tulee olla luokkien lukumäärän suhteen. Kolmeen kahdeksasta aineistosta lisättiin keinotekoisesti tapauksia pienimpiin luokkiin. Tällä tavalla saatiin suurennettua aineistoa ja vähennettyä luokkajakauman vinoutta. Tapausten keinotekoinen lisääminen ei vaikuttanut paljoa neuroverkojen luokittelutarkkuuteen, mutta paransi usein pienempien luokkien luokittelua ja huononsi suurimman luokan luokittelua. Avainsanat ja -sanonnat: neuroverkot, luokitteleminen, koneoppiminen