Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Języki publikacji
Abstrakty
W tym opracowaniu sieci neuronowe przedstawione zostaną jako model statystyczny wykorzystywany do budowy funkcji regresji. Z tego też względu omówiony zostanie jeden z najbardziej popularnych modeli - sieć neuronowa jednokierunkowa (feed-forward neural networks) z jedną warstwą ukrytą. Szczegółowo budowę funkcji regresji opartą na sieciach neuronowych autorka przedstawiła w opracowaniu przygotowanym w ramach projektu badań statutowych w 2009 roku, dlatego też przypomniane zostaną jedynie główne idee konstrukcji tego modelu, bez omawiania szczegółowo kroków algorytmu budowy modelu i wyznaczania jego parametrów. Celem tego opracowania będzie zbadanie własności modelu regresji zbudowanego w oparciu o sieci neuronowe. Szczególnie interesować nas będzie, czy otrzymany model charakteryzuje się odpornością na występowanie w zbiorze uczącym wartości oddalonych oraz wartości zaburzonych wpływem zmiennych losowych
Słowa kluczowe
Rocznik
Strony
82-89
Opis fizyczny
Twórcy
autor
- Uniwersytet Ekonomiczny w Katowicach
Bibliografia
- Cherkassky V., Mulier F.: Learning from Data - Concepts, Theory and Methods. Wiley, New York 1998
- Friedman J.H.: Multivariate Adaptive Regression Splinem. "Annals of Statistics" 1991, No. 19, s. 1-141
- Gatnar E.: Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji. Wydawnictwo Naukowe PWN, Warszawa 2008
- Hastie T., Tibshirani R., Friedman J.H.: The Elements of Statistical Learning. Springer - Verlag, New York 2001
- McCulloch W.S., Pitts W.H.: A Logical Calculus of Ideas Imminent in Nervous Activity. "Bulletin of the Mathematical Biophysics" 1943, No. 5, s. 115-133
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171240323