Verzia z 18:15, 26. júl 2009 upraviť Pescan (diskusia \| príspevky) 34 025 editací d →‎Externé odkazy: typo ← Predchádzajúca úprava		Verzia z 09:18, 25. marec 2010 upraviť vrátiť JAnDbot (diskusia \| príspevky) Boti 139 628 editací d robot Pridal: tr Odobral: fr, zh Zmenil: el; kozmetické zmeny Ďalšia úprava →
Riadok 1: [[~~Obrázok~~Súbor:Neuralnetwork.png\|thumb\|vpravo\|170px\|Zjednodušený pohľad na umelú neurónovú sieť.]] '''Neurónová sieť''' je výpočtový model, zostavený na základe abstrakcie vlastností biologických [[nervový systém\|nervových systémov]]. Základnou časťou neurónovej siete je model neurónu s N vstupmi a M výstupmi, ktorý spracúva informáciu podľa nasledovného pravidla: '''o<sub>i</sub><sup>k+1</sup> = f( <math>\sum_{j=1}^{N}</math> w<sub>ij</sub><sup>k</sup> × o<sub>j</sub><sup>k</sup> − Θ <sub>i</sub><sup>k+1</sup> )''' ; kde * 0 < '''i''' <= M, * 0 < '''j''' <= N * '''o<sub>i</sub><sup>k+1</sup>''' je výstupná hodnota i teho neurónu k+1 vrstvy * '''k''' je index vrstvy * '''Θ <sub>i</sub><sup>k+1</sup>''' je prah excitácie i teho neurónu k+1 vrstvy * '''w<sub>ij</sub><sup>k</sup>''' je váha spojenia medzi j-tym neurónom k vrstvy a i-tym neurónom k+1 vrstvy * '''f()''' je ľubovoľná [[monotónna funkcia]] Riadok 19: V literatúre sa rozoznávajú rôzne [[architektúra\|architektúry]]: * perceptrón, * viacvrstvová sieť, * rekurentná sieť, * Hopfieldova sieť (váhy sú obojsmerné), * Kohonenova sieť, * Radial base Každá z architektúr je vhodná na iný typ úlohy. Riadok 46: == Výhody == * Paralelné spracovanie [[informácia\|informácií]], umožnujúce pri vhodnom hardware rozdeliť výpočet na niekoľko súbežných procesorov. * Nevyžaduje akúkoľvek informáciu o štruktúre procesu, na ktorý je aplikovaný. * Zahŕňa v sebe možnosť adaptácie na zmenu parametrov, pokiaľ sa aplikuje aj s učiacim [[algoritmus\|algoritmom]]. * Je vhodné pre úlohy identifikácie, aproximácie, klasifikácie a triedenia vzorov. * Siete sú rýchle ak sa implementujú bez učiaceho algoritmu. * Umožnuje abstrahovať riadiace pravidlá iného regulátora (napr. človeka, alebo regulátora s dlhými výpočtovými časmi) a nahradiť ich. * Poskytujú redukciu rozmeru dát do menej rozmerného priestoru. * Sú univerzálnym aproximátorom, schopným aproximovať akúkoľvek [[spojitá funkcia\|spojitú funkciu]] s ľubovoľnou presnosťou. == Nevýhody == * Nie je vypracovaná žiadna metodika pre návrh architektúry siete a voľbu [[funkcia\|funkcií]] opisujúcich neurón. Pri implementácii sa preto postupuje metódou pokus-omyl, čo zvyšuje časové nároky riešenia. * Nie je vhodný pre systémy vyžadujúce presné riešenie (na to sú ale lepšie [[lineárne systémy]], s ktorými sa NS dá ale výborne kombinovať). * Učenie trvá zvyčajne dlho (menej pri gradientových metódach, viac pri mutácii). Našťastie ale existujú ''neuro-fuzzy'' systémy, ktoré sa učia enormne rýchlo. == Softvér == Riadok 71: == Externé odkazy == * [http://www.membrain-nn.de/ MemBrain - Grafický editor neuronálnych sietí a simulátor pre windows] {{eng icon}} {{deu icon}} * [http://www.samples.cz/?p=5 Klasifikace neuronovou sítí] - příklad na klasifikaci pomocí neuronové sítě v MATLABu {{ces icon}} Riadok 82: [[da:Neuralt netværk]] [[de:Neuronales Netz]] [[el:Νευρωνικό ~~Δίκτυο~~δίκτυο]] [[en:Neural network]] [[fa:شبکه عصبی مصنوعی]] [[fi:Neuroverkot]] ~~[[fr:Réseau de neurones]]~~ [[he:רשת עצבית]] [[hr:Neuronska mreža]] Řádek 99 ⟶ 98: [[sl:Nevronska mreža]] [[sv:Neurala nätverk]] [[tr:Yapay sinir ağları]] [[vi:Mạng nơ-ron]] ~~[[zh:神经网络]]~~

Umelá neurónová sieť: Rozdiel medzi revíziami