Learning of N-layers neural network
Vladimír Konečný, Anděla Matiášová, Ivana Rábová · Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis · 2014
UvedenĂŠ teoretickĂŠ poznatky byly aplikovĂĄny a ovÄĹeny pĹi realizaci experimentĂĄlnĂho modelu n-vrstvĂŠ neuronovĂŠ sĂtÄ. RozĹĄĂĹenĂ zĂĄkladnĂch maticovĂ˝ch operacĂ o operaci ⊗ (souÄinu prvkĹŻ matic) umoĹžĹuje nejen velmi kompaktnĂ a jednoduchĂŠ formĂĄlnĂ vyjĂĄdĹenĂ algoritmu (zpÄtnĂŠho ĹĄĂĹenĂ chyb) uÄenĂ neuronovĂŠ sĂtÄ, ale takĂŠ jeho jednoduchou realizaci.NavrĹženĂ˝ zpĹŻsob ĹĂzenĂ zmÄny koeficientu uÄenĂ umoĹžĹuje efektivnĂ eliminaci lokĂĄlnĂch extrĂŠmĹŻ a tĂm i plynulejĹĄĂ a rychlejĹĄĂ proces uÄenĂ neuronovĂŠ sĂtÄ. NapĹĂklad pro ĹeĹĄenĂ Ăşlohy rozpoznĂĄvĂĄnĂ rastrovĂŠho obrazu pĂsmen velkĂŠ abecedy o rozmÄrech 10x9 bodĹŻ byla pouĹžita neuronovĂĄ sĂĹĽ v konfiguraci 90:10:5 (5 bitĹŻ vĂ˝stupnĂ kĂłd znaku). Proces uÄenĂ byl ukonÄen pĹi Ch = 0,5 po 360 epochĂĄch.ĂspÄĹĄnÄ byly ĹeĹĄeny i dalĹĄĂ Ăşlohy z oblasti modelovĂĄnĂ funkcĂ, klasifikace do tĹĂd a trendĹŻ vĂ˝voje ekonomickĂ˝ch veliÄin.