Метод нейро-нечеткой оценки пригодности использования графического интерфейса пользователя

5 / 14

Метод нейро-нечеткой оценки пригодности использования графического интерфейса пользователя
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 5 65
второго виджетов (рис. 3). Число нейронов
скрытого слоя было определено эксперимен-
тально: для каждого числа от 1 до 10 нейронов
было выполнено 20 попыток обучения сети, из
которых был выбран вариант, минимизирую-
щий среднеквадратичную ошибку между экс-
пертной оценкой и оценкой, проведенной
сетью. Наименьшее значение среднеквадра-
тичной ошибки показала сеть с шестью нейро-
нами скрытого слоя. Зависимость экспертных
оценок и оценки, вычисленной ИНС, от угла
направления перехода между виджетами при-
ведена на рис. 4.
Функционал оценки удовлетворенности на
всех маршрутах S графа интерфейса Г находим по формуле
 
 
,
1 1
1
, ,  


 

α
i MN
neuro i j
i j
s N
i
i
F
Q Г S
M
где , αi j — угол перехода между виджетами на ребре j маршрута i S ;  
, α
neuro i j F —
оценка угла перехода , , αi j вычисленная обученной ИНС.
Рис. 4. Зависимость экспертных оценок переходов между виджетами (1 )
и оценок, вычисленных ИНС (2)
Функционал   ,
s Q Г S представляет собой усредненную оценку по всем ре-
брам маршрутов S. Таким образом, функционал   ,
s Q Г S может изменяться в
пределах 0…1, где 0 соответствует самому плохому сочетанию переходов, 1 —
наилучшему.
Рис. 3. Схема измерения угла
направления перехода между
виджетами