In this paper, a possibility of discovering laws governing empirical data by means of special type neural networks is discussed. We outline main idea and present new networks suitable for this task. The network presentation is combined with a preliminary classification of the applied symbolic relationships used to describe a given numerical data. We also show what operators can play a role of activation functions and where in the network they should be placed to make the network suitable to serve as the data law discoverer. Main advantages and drawbacks of the presented networks are outlined. A problem of successful learning networks of this type is also discussed and two learning examples demonstrated.
PL
W pracy omawiana jest możliwość odkrywania reguł rządzących danymi empirycznymi za pomocą sieci neuronowych specjalnego typu. Nakreślona jest główna idea i przedstawiono nowe sieci, odpowiednie do tego zadania. Prezentacja sieci jest połączona ze wstępną klasyfikacją stosowanych relacji symbolicznych, używanych do opisu posiadanych danych numerycznych. Zostało ponadto pokazane, jakie operatory mogą pełnić rolę funkcji aktywacji i gdzie w sieci powinny być umiejscowione, by sieć mogła służyć, jako wykrywacz reguł rządzących tymi danymi. Przedstawiono w skrócie najważniejsze zalety i wady prezentowanych sieci. Omówiono także problem skutecznego uczenia sieci tego typu i podano dwa przykłady takiego uczenia.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.