Umelá neurónová sieť: Rozdiel medzi revíziami
Smazaný obsah Přidaný obsah
d typo |
|||
Riadok 29:
== Vlastnosti ==
Základnou vlastnosťou neurónových sietí je schopnosť [[abstrakcia|abstrakcie]] pravidiel medzi vstupnými a výstupnými hodnotami
Proces abstrakcie sa nazýva učenie, a môže prebiehať s učiteľom alebo bez učiteľa. Počas tohto procesu sa aktualizujú hodnoty váhových spojení. V literatúre je popísaných niekoľko učiacich algoritmov. Po ukončení učenia, sa už hodnoty váh nemenia a sieť produkuje výstupy podľa uvedeného pravidla aplikovaného na vstupné hodnoty.
Riadok 35:
== Použitie ==
* Rozpoznávanie
* ''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
* ''Umelá inteligencia''; hlavne podpora rozhodovania, rozpoznávanie signálov, v tomto prípade sa ale často kombinuje s klasickými počítačovámi 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.
Riadok 48:
*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
*Je vhodné pre úlohy identifikácie, aproximácie, klasifikácie a triedenia vzorov.
*Siete sú rýchle ak sa implementujú bez učiaceho algoritmu.
Riadok 67:
== 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.
== Externé odkazy ==
| |||