Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Elektronika : konstrukcje, technologie, zastosowania

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: symbolic description

Sortuj według:

Ogranicz wyniki do:

Perceptron with reciprocal activation functions to implement polynomial relationships

Majewski J., Wojtyna R.

Elektronika : konstrukcje, technologie, zastosowania

2012

Vol. 53, nr 5

14-16

In this paper, a possibility of discovering laws governing empirical data whose interrelations can be expressed in a multidimensional polynomial form is considered. A novel atypical perceptron with reciprocal type activation functions is proposed. This perceptron implements the polynomial relation and enables determining the polynomial coefficients by training the perceptron. The perceptron is simple and attractive to model intricate problems with many parameters. Such a situation takes place, among others, in calibration some measurement Instruments. Superiority of our approach over other methods of the law discovery is that it can better coup with a great number of dimensions of the describing polynomial.

W pracy omawiana jest możliwość wykrywania reguł rządzących danymi empirycznymi, których wewnętrzne związki można wyrazić w postaci wielomianu wielowymiarowego. Zaproponowano nietypowy, nowatorski perceptron z funkcjami aktywacji typu 1/x. Perceptron ten implementuje zależności typu wielomianowego i umożliwia wyznaczenie współczynników wielomianu przez uczenie perceptronu. Jest to prosty perceptron, atrakcyjny w modelowaniu złożonych problemów z wieloma parametrami. Z taką sytuacją mamy do czynienia, między innymi, przy kalibracji niektórych przyrządów pomiarowych. Wyższość naszego podejścia nad innymi metodami wykrywania tych reguł polega na tym, że pozwala ono lepiej radzić sobie z dużą liczbą wymiarów wielomianu opisującego zbiór danych empirycznych.

Special neural networks for finding symbolic relationships between empirical data

Majewski J., Wojtyna R. R.

Elektronika : konstrukcje, technologie, zastosowania

2011

Vol. 52, nr 5

123-126

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.

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.