Wyniki wyszukiwania - BazTech

1

Bithreshold neurons learning

Geche F., Kotsovsky V., Batyuk A., Mitsa A., Gromaszek K.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

Vol. 54, nr 8

70-72

PL

Sztuczne sieci neuronowe jako podstawa neuronopodobnych jednostek obliczeniowych mają wiele zastosowań i są intensywnie wykorzystywane do rozwiązywania wielu ważnych zadań praktycznych. Oczywiste jest, że jednostka wykorzystująca progowanie nie jest w stanie rozwiązać wielu, raczej łatwych zadań rozpoznawania. Za pomocą neuronów z bardziej komplikowanymi funkcjami aktywacji możliwie staje się przezwyciężenie tego ograniczenia. Pomimo faktu, że opracowano neurony wielo-progowe, to brak było skutecznych technik ich uczenia. W artykule przedstawiono badania najprostszego przypadku multi-progowych jednostek, a mianowicie neuronów dwuprogowych.

EN

Artificial neural networks on the base of neural-like computational units have many applications and are intensively used for solving numerous important practical tasks. It is common that the threshold unit is incapable solving many rather easy recognition tasks. The using of neurons with more complicated activation functions allowed surmounting this constrain. Although there were multi-threshold neural units designs, the efficient learning techniques for multi-threshold neuron based neural networks weren't developed. The paper presents the study of simplest case of multi-threshold units, namely bithreshold neurons.

2

Ewolucyjne metody uczenia ukrytych modeli Markowa

Figielska E.

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

|

2011

|

nr 5

63--74

PL

Ukryte modele Markowa stanowią narzędzie modelowania statystycznego wykorzystywane do analizy i przewidywania zjawisk o charakterze sekwencji zdarzeń występujących na przykład w rozpoznawaniu mowy i gestów oraz modelowaniu sekwencji biologicznych. Aby ukryty model Markowa mógł z powodzeniem zostać zastosowany w praktyce, konieczne jest określenie jego topologii i wyznaczenie wartości jego parametrów. Istniejące metody klasyczne nie zawsze są zdolne do dostarczenia wystarczająco dobrych modeli. Dlatego też, w ostatnich latach obserwuje się wzrost zainteresowania możliwością stosowania innych technik, zwłaszcza opartych na mechanizmach stochastycznych. W artykule przedstawione są sposoby wykorzystania w procesie budowy ukrytych modeli Markowa metod ewolucyjnych. Przeprowadzona jest również ocena jakości otrzymywanych w ten sposób modeli.

EN

Hidden Markov models (HMMs) are a statistical tool for analyzing and modeling time-series data. They have been successfully used in many areas requiring time-series analysis for example in speech recognition, DNA sequence analysis or forecasts of stock prices. To use a HMM in practice, the topology and the values of its parameters have to be determined. The existing classical methods for HMM training are not always able to provide sufficiently good models. Therefore, in recent years, we observe an increasing interest in developing other methods for HMM training, especially ones involving evolutionary mechanisms. This paper presents how evolutionary methods can be used to build HMMs. The quality of the obtained in this way HMMs is also discussed.

3

Metoda early stopping w optymalizacji neuronowych estymatorów zmiennych stanu Układu napędowego z połaczeniem elastycznym

Kamiński M., Orłowska-Kowalska T.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

|

2009

|

Vol. 63, nr 29

202-216

PL

W artykule opisano neuronowe estymatory zmiennych stanu napedu elektrycznego z połaczeniem spreżystym. Sieci neuronowe zastosowane zostały do odtwarzania momentu skretnego napedu oraz prędkości silnika obciażajacego. Przeprowadzona została analiza wpływu metody wczesnego zatrzymania procesu uczenia (early stopping) na jakosc odtwarzania zmiennych stanu. Charakterystyczna cecha tej metody jest brak ingerencji w strukture sieci neuronowej oraz algorytmu treningowego. Zastosowanie tej procedury na etapie projektowania estymatorów neuronowych ma na celu zwiekszenie dokładności odtwarzania poszczególnych sygnałów oraz uzyskanie odpornosci na zakłócenia zewnetrzne (zmiany parametrów obiektu, załaczanie momentu obciażenia). Przedstawiono wyniki badań symulacyjnych i eksperymentalnych ilustrujacych efektywnosc proponowanej metody optymalizacji sieci neuronowych.

EN

In the paper neural estimators of state variables of the electrical drive with elastic coupling are presented. Neural network were applied for the estimation of the shaft torque and angular speed of the load machine. An analysis of an early stopping method under training process of neural networks on the estimation quality was performed. The characteristic feature of this method is a lack of influence on the neural network structure and training algorithm. Application of this procedure during the design stage of neural networks improves significantly the estimation quality and robustness (to changes of the system parameters, changes of the load torque) of the proposed neural estimators of the two-mass system. Simulation and experimental tests illustrating the effectiveness of the proposed method are demonstrated.

4

Analiza wpływu sposobu przygotowania danych uczących dla sieci neuronowych na jakość odtwarzania zmiennych stanu napędu dwumasowego

Kamiński M.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

|

2009

|

Vol. 63, nr 29

426-438

PL

W artykule opisano neuronowe estymatory zmiennych stanu napędu elektrycznego z połączeniem sprężystym. Sieci neuronowe zastosowane zostały do odtwarzania momentu skrętnego napędu oraz prędkości silnika obciążającego. Przeprowadzona została analiza wpływu wprowadzania szumu do sygnałów wykorzystywanych w procesie treningu sieci neuronowych (jittering) na jakość odtwarzania zmiennych stanu. Charakterystyczną cechą tej metody jest brak ingerencji w strukturę sieci neuronowej oraz algorytmu treningowego. Zastosowanie tej procedur na etapie projektowania estymatorów neuronowych ma na celu zwiększenie dokładności odtwarzania poszczególnych sygnałów oraz uzyskanie odporności na zakłócenia zewnętrzne Przedstawiono wybrane wyniki badań symulacyjnych i eksperymentalnych ilustrujące skuteczność tej metody uczenia estymatorów neuronowych dla napędu dwumasowego.

EN

In the paper neural estimators of state variables of the electrical drive with elastic coupling are presented. Neural network were applied for the estimation of the shaft torque and angular speed of the load machine. An analysis of a jittering method under training process of neural networks on the estimation quality was performed. The characteristic feature of this method is a lack of influence into the neural network structure or training algorithm. Application of this procedure during the design stage of neural networks improves significantly the estimation quality and robustness (to changes of the system parameters, changes of the load torque) of the proposed neural estimators of the two-mass system. Simulation and experimental tests illustrating the effectiveness of the proposed method are demonstrated.

5

Comparative study of learning methods for artificial neural network

Tiliouine H.

Pomiary Automatyka Kontrola

|

2007

|

R. 53, nr 4

117-121

EN

The paper presents a comparative study of various learning methods for artificial neural network. The methods are: the backpropagation BP, the recursive least squares RLS, the Zangwill's method ZGW and the method based on evolutionary algorithm EA. The study consists of evaluating the learning effectiveness of these methods and selecting the most efficient one to be used in the designing of an adaptive neural voltage controller for a synchronous generator.

PL

W artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.