CC BY
75
Применение многослойных радиально-базисных нейронных сетей для верификации реляционных баз данных
В.В. Г алушка, А.А. Молчанов, В.А. Фатхи
Донской государственный технический университет, г. Ростов-на-Дону
Применительно к базам данных (БД) верификация означает проверку содержащихся в ней данных на соответствие реальности, т.е. их достоверности. Необходимость такой проверки обусловлена негативными последствиями, связанными с использованием недостоверных данных.
Целью проведения верификации является повышение достоверности данных путем определения и устранения недостоверных данных. Использование такой процедуры актуально в любых прикладных информационных системах, в которых для хранения данных используется БД. Например, в [1] указывается, что в результате проведения верификации БД налоговой инспекции из неё было исключено 5 935 недостоверных записей из более чем 1 500 000.
Для определения достоверности БД требуется обладание полными знаниями, как о содержимом БД, так и о реальном мире. Система управления базами данных может контролировать только целостность БД [2], но принципиально не в состоянии контролировать достоверность БД. Контроль достоверности БД может обычно возлагается на человека, да и то в ограниченных масштабах, поскольку в ряде случаев люди не обладают полнотой знаний о реальном мире.
Основными же способами обеспечения достоверности информации БД является её входной контроль с помощью триггеров или хранимых процедур, обеспечиваемый СУБД или прикладным приложением. В случае наличия недостоверных строк в базе данных их выявление и исправление осуществляется преимущественно вручную и сопряжено с большими временными затратами.
В данной работе для определения достоверности вводимого кортежа (строки) в таблицу БД предлагается интеллектуальный метод, основанный на теории искусственных нейронных сетей [3,4], т.к. интеллектуальные информационные системы позволяют переложить на вычислительную систему часть работ традиционно выполняемых человеком.
Как известно, искусственные нейронные сети (ИНС) — это математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. ИНС представляют собой систему соединённых и взаимодействующих между собой искусственных нейронов.
Постановка задачи. Теоретической основой реляционных БД является теория отношений [2]. Реляционная алгебра представляет собой набор таких операций над отношениями, что результат каждой из операций также является отношениям. Таким образом, верификация БД является, по сути, проверкой всех содержащихся в ней отношений или отношений, порождаемых реляционными операциями, используемыми в запросах.
Имеется БД, представляющая совокупность отношений. Рассмотрим n-арное отношение R, которое является подмножеством полного декартова произведения D1 х D2 х ... х Dn множеств доменов D1, D2, ..., Dn (n > 1), не обязательно различных. Каждый элемент отношения R={r1t r2, ..., r, ..., rm} (m > 0) является кортежем, включающим в себя элементы множеств D1, D2, ..., Dn : j-ый элемент отношения R равен (aJ-,1, a,,2, ..., a,,n), aJ,1 е D1, a,,2 e D2, ..., aj,n e Dn. Отношение может быть представлено в виде таблицы (см. табл. 1), в которой столбцы (поля, атрибуты) соответствуют вхождениям доменов в отношение, а строки (записи) — наборам из n значений, взятых из исходных доменов. Каждому элементу г, поставим в соответствие параметр d(rj) — достоверность данного элемента такова, что 0 < d(rj) < 1.
Рассмотрим следующий случай — имеется таблица, содержащая некоторое (относительно небольшое) количество достоверных данных, т.е. для каждого r¡ е R d(rj) = 1. Данная таблица постоянно пополняется. Необходимо для каждой новой строки rm+1, заносимой в таблицу, определить её достоверность d(rm+1) (см. табл. 1).
Таблица 1. Представление отношения R
Г1 ai,i «1,2 a1,n d(r{)
Г 2 «2,1 «2,2 s; <N S3 d(r2)
r m+1 am+1,1 am+1,2 am+1,n d(r m+1)
Для простоты описания метода определения достоверности вводимого кортежа ограничимся проверкой отношений, содержащих только числовые данные. В случае необходимости поля строкового типа могут быть исключены или заменены числовыми кодами.
Таблица БД хранит в себе информацию о совокупности объектов предметной области принадлежащих одному классу (являющихся экземплярами одной сущности). Однако в этой совокупности могут быть выделены группы объектов похожих между собой в пределах группы, и максимально отличающихся от объектов, принадлежащих другой группе, т.е. кластеров. Первым этапом верификации является выявление этих кластеров. Для определения принадлежности элемента к кластеру используются сети Кохонена, преимущество которых заключается в обучении без учителя [4]. При этом, количество кластеров T соответствует количеству нейронов выходного слоя и определяется в соответствии с методикой, описанной в [5]. Конфигурация сети представлена на рис. 1, где x1, x2, ..., xn — входные сигналы сети, n — количество элементов кортежа; wik — вес связи между i-ым нейроном входного слоя и к-ым нейроном выходного слоя, к = 1, 2, ..., T; out11, outl2, ..., out1 T — значения выходов нейронов последнего слоя.
Рис. 1. Нейронная сеть Кохонена
Результатом кластеризации сетью Кохонена будет получение для каждого элемента гі пары (гі, Ск), где Ск — кластер, к которому принадлежит элемент гі. Данное множество пар используется при обучении радиально-базисной нейронной сети.
Для использования радиально-базисной нейронной сети определим количество нейронов во входном и выходном слое, количество скрытых слоев и нейронов в каждом из них, функции активации нейронов каждого слоя.
Количество нейронов во входном слое определяется количеством п столбцов анализируемой таблицы. Количество нейронов скрытого слоя определяется для каждого случая отдельно, однако проведенные ранее исследования показывают, что достаточным является количество в 1,5 - 2 раза превышающее количество нейронов в выходном слое [ 6]. Количество нейронов в последнем (выходном) слое соответствует количеству кластеров Т, определённых
на предыдущем этапе с помощью сети Кохонена. Схема применяемой радиально-базисной сети приведена на рис. 2.
Текущее состояние нейрона определяется как взвешенная сумма его входов
1, где хг — значение входа, м>Ь ц — веса связей. При этом, для нейронов первого
і=1
слоя хг = ар, ] = 1, т, Ь = 2, 3 — номер слоя, и — номер нейрона в слое.
Выход нейрона есть функция его состояния: у = /(5). Нелинейная функция/называется активационной и может иметь различный вид. Одной из наиболее распространённых является нелинейная функция с насыщением, так называемая логистическая функция или сигмоид (т.е. функция Б-образного вида):/(5) = (1 + е"“5)"1. Из выражения для сигмоида очевидно, что выходное значение нейрона лежит в диапазоне [0,1]. Одно из ценных свойств сигмоидной функции — простое выражение для ее производной: / '(5) = а /(5)(1 - / (5)).
Производная функции активации используется при обучении сети. Для решения поставленной задачи будем использовать алгоритм обратного распространения ошибки, который предполагает два прохода по всем слоям сети: прямого и обратного. При прямом проходе входной вектор подается на входной слой нейронной сети, после чего распространяется по сети от слоя к слою. В результате генерируется набор выходных сигналов, который и является фактической реакцией сети на данный входной образ. Во время прямого прохода все синаптические веса сети фиксированы. На каждой итерации во время обратного прохода производится корректировка весов нейронной сети в соответствии с дельта-правилом: Ажг = vSxi , где д — ошибка на выходе скрытого нейрона, V — коэффициент скорости обучения, хг — значения, поступающие по входным связям, для которых вычисляется коррекция. Зная ее величину для г-й связи, можно вычислить новый вес жг(к + 1) = жг(к) + Аж, где к — номер итерации обучения. Веса связей настраиваются с целью максимального приближения выходного сигнала сети к желаемому. На каждом к-ом этапе обучения
|Х если г} е Ск; вШк = <
| 0, если г £ Ск.
Рис. 2. Радиально-базисная сеть
s
и
В результате обучения радиально-базисной сети методом обратного распространения ошибки с использованием полученного множества пар (гу, Ск) будет получена сеть, способная классифицировать объекты, информация о которых хранится в анализируемой таблице.
Благодаря способности нейронных сетей к обобщению, т.е. распространению выделенных знаний на неизвестные ранее образцы, обученную сеть можно применять для классификации объектов, не входивших в достоверную БД. При этом степень уверенности в принадлежности образца, поданного на вход, к определённому классу определяется максимальным значением выхода нейронов выходного слоя, т.е. d(rm+{) = max(out2i, out22, ..., out2 T), где out2i — значение выхода i-го нейрона выходного слоя сети; max — функция, вычисляющая максимальное значение; d — оценка достоверности.
Низкое значение d означает, что поданный на вход образец не относится ни к одному из классов с достаточной степенью уверенности и, следовательно, может содержать ошибки или неточности. Данный параметр можно использовать в качестве значения оценки достоверности.
Таким образом, в методике можно выделить 3 основных этапа, указанных на рис. 3.
обученная сеть
Рис. 3. Общая схема методики верификации таблицы базы данных
Помимо рассмотренного случая, возможен вариант, когда имеется таблица, содержащая большое количество строк, достоверность которых неизвестна и её требуется оценить. Данный случай можно свести к описанному ранее, если в качестве подготовительного этапа верификации выбрать из таблицы некоторое число строк и проверить их вручную, получив, таким образом, достоверные строки, которые можно использовать в качестве обучающей выборки.
Таким образом, предложенная методика может применяться для решения задач верификации различных БД. На данный момент программно реализована процедура создания радиально-базисных ИНС заданной конфигурации и их обучения методом обратного распространения ошибки с возможностью управления параметрами обучения [7]. Приведенное математическое описание методики позволяет получить её программную реализацию для дальнейшего проведения численных экспериментов и практического применения полученного программного средства.
Литература
1. Открыт новый этап верификации баз данных по имущественным налогам физических лиц [Электронный ресурс]. — Сайт УФНС России по Московской области. // URL: http://www.r50.nalog.ru/ns/3869612/ (дата обращения: 20.02.2012)
2. Карпова Т.С. Базы данных: модели, разработка, реализация [Текст] / Т.С. Карпова — СПб.: Питер, 2001. — 304 с.; ил. ISBN 5-272-00278-4
3. Барсегян А.А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP [Текст] / А.А. Барсегян, М.С. Куприянов, М.С. Кузнецов, В.В. Степаненко, И.И. Холод. — 2-е изд. перераб. и доп. — СПб.: БХВ-Петербург, 2007. — 384 с.: ил. ISBN 5-94157-991-8
4. Каллан Р. Основные концепции нейронных сетей [Текст].: Пер. с англ. — М.: Издательский дом «Вильямс», 2001. — 287 с. ISBN 5-8459-0210-X
5. Галушка В.В. Методика определения оптимального числа нейронов выходного слоя сети Кохонена при решении задач кластеризации [Текст] / В.В. Галушка, Д.В. Фатхи // Информационная безопасность регионов. — 2011. — №2. — с. 41-44
6. Галушка В.В. Программная модель для исследования возможностей применения искусственных нейронных сетей в агропромышленном комплексе [Текст] / В.В. Галушка, В.А. Фатхи // Состояние и перспективы развития сельскохозяйственного машиностроения: материалы междунар. науч.-практ. конф. / ДГТУ. — Ростов н/Д, 2011. — с. 229-231
7. Программа синтеза многослойных искусственных нейронных сетей прямого распространения с изменяемыми параметрами обучения: свид-во о гос. регистрации прогр. для ЭВМ 2011617298 Рос. Федерация / В.В. Галушка, Дм.В. Фатхи, Д.В. Фатхи; заяв. 2011615489 21.07.2011
