Advantages and disadvantages of various neural architectures are compared. It is shown that neural networks with connections across layers are significantly more powerful than popular MLP - Multi Layer Preceptron architectures. The most powerful are FCC Fully Connected Cascade (FCC) architectures. Unfortunately, most advanced training algorithms were developed only for popular MLP topologies and other much more powerful topologies are seldom used. The newly developed second order algorithm NBN is not only very fast and powerful, but it can train any neural network topologies. With the NBN algorithm it is possible to train close to optimal architectures which were not possible to train before.
PL
W pracy porównano zalety i wady rożnych topologii sieci neuronowych. Pokazano ze sieci neuronowe z połączeniami poprzez warstwy są znacznie bardziej efektywne niż popularne topologie MLP. Najbardziej efektywne są topologie FCC. Niestety większość zaawansowanych algorytmów uczenia zostało zaimplementowanych tylko dla popularnych topologii MLP i inne bardziej efektywne topologie są rzadko używane. Niedawno opracowany drugiego rzędu algorytm jest nie tylko bardzo szybki i efektywny, ale również umożliwia uczenie dowolnych topologii sieci neuronowych. NBN potrafi uczyć zbliżone do optymalnych architektury sieci neuronowych, których nie można było uczyć poprzednio.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono automatyczne algorytmy optymalizacji architektury sieci neuronowych. W pierwszej części sformułowano problem doboru architektury optymalnej sieci. Następnie przedstawiono teoretyczne aspekty rozważanego problemu. Dalej zaprezentowano wyniki empirycznego doboru architektury sieci w wybranych programach
EN
In this paper the automatic algorithm for optimizing the architecture of artificial neural network is presented. The first part includes the formulation of the selection of optimal architecture of neural network optimization. In the next part the theoretical aspects of the discussed problem. In the concluding point of this article the results of the empirical selection of network architecture in set the selected programs are discussed.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Prezentacja metody ustalania ceny nieruchomości za pomocą systemu komputerowego, który na podstawie danych dotyczacych nieruchomości dokonuje wycen automatycznie. Charakterystyka sieci neuronowych. Architektura i uczenie sieci. Potwierdzenie celowości zastosowania sztucznych sieci neuronowych do wyceny nieruchomości.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.