Umelá neurónová sieť: Rozdiel medzi revíziami

Smazaný obsah Přidaný obsah
MerlIwBot (diskusia | príspevky)
Vegetator (diskusia | príspevky)
Bez shrnutí editace
Riadok 7:
* 0 < '''i''' ≤ M,
* 0 < '''j''' ≤ N
* '''o<sub>i</sub><sup>k+1</sup>''' je výstupná hodnota i tehotoho neurónu k+1 vrstvy
* '''k''' je index vrstvy
* '''Θ <sub>i</sub><sup>k+1</sup>''' je prah excitácie i tehotoho neurónu k+1 vrstvy
* '''w<sub>ij</sub><sup>k</sup>''' je váha spojenia medzi j-tymtým neurónom k vrstvy a i-tymtým neurónom k+1 vrstvy
* '''f()''' je ľubovoľná [[monotónna funkcia]]
 
Riadok 34:
* ''Univerzálny systémový invertor''; vie z každého systému <math>F(x)</math> urobiť <math>\frac{1}{F(x)}</math>, aj takých, čo sa inak matematicky nedajú.
* ''Univerzálny systémový aproximátor''; vie napodobniť správanie každého systému, či už fyzikálneho alebo dokonca masovú psychológiu trhu.
* ''Umelá inteligencia''; hlavne podpora rozhodovania, rozpoznávanie signálov, v tomto prípade sa ale často kombinuje s klasickými počítačovámipočítačovými algoritmami, pričom NS častejšie len premieňa údaje ktoré klasická binárna logika nespracuje na údaje ktoré spracuje. Čisté umelé inteligencie založené len na NS sa ukázali ako nepraktické.
 
Niektorí ľudia tak silno veria že NS sú univerzálne (''neurofetišizmus''), a keď sa ukázalo že často nie sú, tak ich všeobecne zavrhnú.
Riadok 41:
 
== Výhody ==
* Paralelné spracovanie [[informácia|informácií]], umožnujúceumožňujúce pri vhodnom hardwarehardvéry 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.
* UmožnujeUmožňuje 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.
Riadok 59:
 
== Referencie ==
* Kvasnička, V. a kol.: Úvod do teórie neurónových sietí. Vydavateľstvo IRIS, 1997.
* Willems, T.M. : Neural Networks in Control ? Dizertačná práca, Eindhoven University of Technology Eidhoven, Holandsko 1993.