Metoda wymuszania wewnętrznych wzorców w jednokierunkowej sieci klasyfikującej

• Autorzy: Kolibabka M. , Cader A.

Warianty tytułu

EN

The method of extorting internal patterns in the one-Way classyfing neural network

• Języki publikacji: PL

Abstrakty

PL

Tworzenie struktury oraz późniejsze uczenie jednokierunkowych sieci neuronowych są procesami zależnymi od wielu czynników. Dobór wielu z nich ma charakter szacunkowy i doświadczalny. Proponowana w niniejszym opracowaniu metoda pozwala na osłabienie wpływu nieoptymalnego wyboru struktury sieci oraz zmniejsza wpływ doboru prędkości i pędu uczenia w klasycznej metodzie wstecznej propagacji błędu.

EN

Creating and later learning of one-way neural networks depends from many factors. Selection of many them has estimated and experimental character. The proposed in the article method allows to the weakness of the influence of the not optimal choice of the net structure, also speed and momentum values are less influential then in classic Back Propagation Method.

Słowa kluczowe

PL

sieci neuronowe; sztuczna inteligencja; wsteczna propagacja błędu; klasyfikacja

EN

neural networks; artificial intelligence; backpropagation; classification

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2006
• Tom: T. 10, z. 3
• Strony: 497--502
• Opis fizyczny: Bibliogr. 6 poz.

Twórcy

autor

Kolibabka M.

• Instytut Kształcenia na Odległość, Wyższa Szkoła Humanistyczno-Ekonomiczna w Łodzi

autor

Cader A.

• Instytut Kształcenia na Odległość, Wyższa Szkoła Humanistyczno-Ekonomiczna w Łodzi

Bibliografia

• [1] Tadeusiewicz R.: Sieci neuronowe. Warszawa, Akademicka Oficyna Wydaw. RM 1993
• [2] Cybenko G.: Approximation by Superpositions of a Sigmoidal Function. Mathematics of Contr Signals, and Systems, vol. 2, 1989, 303-314
• [3] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Warszawa, PWN 1997
• [4] Rumelhart D., Hinton G., Williams R.: Learning Internal Representations by Error Propagati Parallel Distributed Processing, vol. 1, 1986, 318-362
• [5] Hornik K., Stinchcombe M., White H.: Multilayer feedforward networks are universal approxmators. Neural Networks, 2, 1989, 359-366
• [6] Rutkowski L.: Metody i techniki sztucznej inteligencji. Warszawa, PWN 2005