Bayesowskie sieci neuronowe w analizie problemów regresji

• Autorzy: Waszczyszyn Z.
• Konferencja: Problemy dynamiki konstrukcji / XIII Sympozjum Dynamiki Konstrukcji (XIII ; 25-27 września 2008 ; Rzeszów-Bystre, Polska)
• Języki publikacji: PL

Abstrakty

EN

The lecture entitled "Bayesian Neural Networks in the Analysis of Regression Problems" deals with basics of the Bayesian inference (BI) and its various methods and relations to the Standard Neural Networks (SNNs). In subsequent Sections the following problems are discussed: 1) Bayesian Neural Networks (BNNs) as a fusing of SNN and BI; 2) The regression and Feed-forward Layered Neural Network (FLNN); 3) Principles of BI; 4) Maximum Likelihood (ML) and Maximum APosterior (MAP) methods; 5) Criterion of Maximum EVidence (MEV), 6)Types of BNNs. Special attention is focused on the application of MAP for the controlling the over-fitting of the neural approximation. The MEV is also explored for the design of deterministic networks FLNN/MAP. The more extended application of BI enables to formulate a semi-probabilistic simple network S-BNN and a truly probabilistic Bayesian network T-BNN. A numerical efficiency of the Bayesian methods and networks is discussed in paper [1] presented at the XIII Symposium DYNKON2008.

Słowa kluczowe

PL

sieci neuronowe bayesowskie; sieci bayesowskie; regresja; drgania

EN

Bayesian neural network; BNN; regression; construction dynamics; vibrations

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika
• Rocznik: 2008
• Tom: z. 74 [258]
• Strony: 441--455
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Waszczyszyn Z.

• Politechnika Rzeszowska, Katedra Mechaniki Konstrukcji, ul. Poznańska 14, 30-000 Rzeszów,

Bibliografia

• [1] B. Miller., Identyfikacja obciążenia powodującego uplastycznienie ramy z zastosowaniem bayesowkich sieci neuronowych, ZN PRz 258, Mechanika 74, 257-262, 2008.
• [2] J-SR. Jang, Ch-T. Sun and E. Mizutani. Neuro-Fuzzy and Soft Computing. Prentice Hall, 1997.
• [3] S. Haykin. Neural Networks, A Comprehensive Foundation, 2nd Ed. Prentice Hall, 1999.
• [4] C.M. Bishop, Pattern Recognition and Machine Learning. Springer, 2006.
• [5] M. Tipping, Bayesian inference: an introduction to principles and practice in machine learning. In: O. Bousquet et al., eds, Advanced Lectures on Machine Learning., pages 41-62. Springer, 2004.
• [6] Z. Waszczyszyn, M. Słoński, Selected problems of artificial neural networks development. In: Z. Waszczyszyn, ed., CISM Advanced School on Advances of Soft Computing in Engineering, pages 91. Udine, Italy, Dec. 8-12, 2007. Springer (in press), 2008.
• [7] Z. Waszczyszyn, L. Ziemiański, Neural networks in the identification analysis of structural mechanics problems, Ch. 7 in: Z. Mroz and G. Stavroulakis, eds, Parameter Identification of Materials and Structures, CISM Lecture Notes No.469, pp. 265-340. Springer, Wien - New York, 2005.
• [8] S. Haykin, ed. Kalman Filtering and Neural Networks. John Wiley, 2001.
• [9] A. Krok, Z. Waszczyszyn, Zastosowanie sieci neuronowych i filtru Kalmana do symulacji spektrów odpowiedzi budynków poddanych działaniu wymuszeń parasejsmicznych. Zeszyty Naukowe Politechniki Rzeszowskiej, Nr 222, Mechanika, z. 65 poświęcony XII Sympozjum Dynamiki Konstrukcji, s. 219-226. Ofic. Wyd. PRz., Rzeszów, 2005.
• [10] J. Kaliszuk, Z. Waszczyszyn, Reliability analysis of a steel girder by the hybrid FEM/BPNN Monte Carlo Method. In: A.A. Gizejewski. A. Kozlowski, L. Ślęczka, J. Ziółko, eds, Progress in Steel, Composite and Aluminium Structures, pp.346-347, CD-ROM, pages 8. Taylor&Francis, 2006.
• [11] Z. Waszczyszyn, Artificial neural networks in civil and structural engineering: Ten years of research in Poland. Computer Assisted Mechanics and Engineering Sciences, 13:489-512,2006.
• [12] Z. Waszczyszyn, M. Słoński. Maksimum całkowitej wiarygodności zamiast walidacji krzyżowej w projektowaniu sztucznych sieci neuronowych. Zeszyty Naukowe Politechniki Rzeszowskiej, Nr 243, Budownictwo i Inżynieria Środowiska, z. 45 poświęcony pamięci Profesora Władysława Łakoty, s. 173-185. Ofic. Wyd., Rzeszów, 2007.
• [13] Nabney. NETLAB - Algorithms for Pattern Recognition. Springer, Printed in Great Britain, 2nd printing with corrections, 2003.