Porównanie algorytmów uczenia sieci neuronowej jednokierunkowej, z czasowym opóźnieniem, wykorzystanej do predykcji wartości temperatury powietrza atmosferycznego

• Autorzy: Białobrzewski I.

Warianty tytułu

EN

Comparison of algorithms to education of unidirectional neural network, with time-lag, used to predicting values of atmospherical air temperature

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono wyniki badań wpływu wyboru algorytmu uczenia sieci neuronowej jednokierunkowej, z czasowym opóźnieniem, o topologii perceptronu wielowarstwowego, wykorzystującej w procesie uczenia algorytm wstecznej propagacji błędu, na wyniki predykcji wartości temperatury powietrza atmosferycznego. Stwierdzono, że algorytm uczenia, br – regularyzacja Bayesa, okazał się jednym z najlepszych pod względem wszystkich analizowanych parametrów oceny przewidywanych wartości temperatur.

EN

Paper presented the study on the effect of selecting an algorithm to education of unidirectional neural network with time-lag, of multilayer perceptron topology, and using an algorithm of reversal error propagation, on results of predicting values of atmospherical air temperature. It was stated that the education algorithm, br - Bayes’ regularization, appeared to be one of the best with respect to all analyzed parameters evaluating predicted temperature values.

Słowa kluczowe

PL

predykcja temperatury; sieć neuronowa; algorytm uczenia sieci; MATLAB

EN

temperature prediction; neural network; algorithms of network education; MATLAB

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2005
• Tom: R. 9, nr 8
• Strony: 7--14
• Opis fizyczny: Bibliogr. 9 poz., tab., wykr.

Twórcy

autor

Białobrzewski I.

• Katedra Inżynierii Procesów Rolniczych, Uniwersytet Warmińsko-Mazurski w Olsztynie

Bibliografia

• Bodri L., Čermak V. 2003. Prediction of surface air temperatures by neural network, example based on three-year temperature monitoring at Sporilov Station. Studia Geophysica et Geodaetica, 47(1): 173-184.
• Demuth, H., Beale, M. 2001. Neural Network Toolbox For Use with MATLAB. The MathWorks, Inc.
• Ferreira P.M., Faria E.A., Ruano A.E. 2002. Neural network models in greenhouse air temperature prediction. Neurocomputing, 43: 51-75.
• Frank R.J., Davey N., Hunt S.P. 2001. Time Series Prediction and Neural Networks. Journal of Intelligent and Robotic Systems, 31: 91-103.
• Mittal G.S., Zhang J. 2003. Artificial Neural Network-based Psychrometric Predictor. Biosystems Engineering, 85 (3): 283–289, doi:10.1016/S1537-5110(03)00071-0.
• Raju K.G. 2001. Prediction of Soil Temperature by Rusing Artificial Neural Networks Algorithms. Nonlinear Analysis, 47: 1737-1748.
• Shi L. 2001. Retrieval of Atmospheric Temperature Profiles from AMSU-A Measurement Using a Neural Network Approach. Journal of Atmospheric and Oceanic Technology, 18: 340-347.
• Świąć A., Bilski J. 2000. Metoda wstecznej propagacji błędów i jej modyfikacje. Biocybernetyka i Inżynieria Biomedyczna, Tom 6. Sieci Neuronowe. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• Trajer J. 2001. Modelowanie procesu przechowywania warzyw w wybranych jego aspektach. Rozprawa habilitacyjna. Szkoła Główna Gospodarstwa Wiejskiego, Warszawa.