Praca przedstawia struktury i algorytmy uczenia trzech podstawowych rodzajów sieci neuronowych: sieci sigmoidalnej wielowarstwowej MLP, sieci RBF oraz SVM. Sieci te pełnią podobną rolę uniwersalnego aproksymatora zmiennych wielowymiarowych, różniąc się przede wszystkim rodzajem zastosowanych neuronów i algorytmem uczącym. Pokazano uniwersalność tych rozwiązań i ich użyteczność w wielu problemach praktycznych występujących w technice.
EN
The paper presents the overview of the basic structures and learning algorithms of the most typical supervised neural networks. To the most important belong multilayer perceptron, radial basis function network and support vector machine. All of them fulfill the role of the universal approximators. The paper shows the universal character of these solutions and their applicability in solving different problems of various characters.
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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.