PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Interactive educational system introducing into issue of artificial neural networks
Języki publikacji
PL
Abstrakty
PL
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
EN
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Rocznik
Strony
293--298
Opis fizyczny
Bibliogr. 2 poz., rys.
Twórcy
autor
  • Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu
autor
  • Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu
autor
  • Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu
Bibliografia
  • Boniecki P. 2004. Sieci neuronowe typu MLP oraz RBF jako komplementarne modele aproksymacyjne w procesie predykcji plonu pszenżyta. Journal of Research and Applications in Agricultural Engineering, tom 49, PIMR, Poznań.
  • Tadeusiewicz R. 1998. Elementarne wprowadzenia do techniki sieci neuronowych z przykładowymi programami. Akademicka Oficyna Wydawnicza PLJ, Warszawa.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-ccefe387-2126-4017-9e5b-f231fd37b5a4
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.