Neural networks for computationally expensive problems
Tommi Kokko · Jyväskylä University Digital Archive (University of Jyväskylä) · 2013
Optimointiin tarvitaan usein simulaattoria, jotka voivat olla laskennallisesti raskaita. Simulaattorit voidaan korvata sijaismalleilla, jotka ovat nopeampi laskea ja voivat olla lähes yhtä tarkkoja kuin simulaattorit. Tässä työssä tarkastelemme tarkemmin yhtä sijaismalli, neuroverkkoja. Valmistelemme sijaismalli avusteista optimointia rakentamalla, opettamalla ja validoimalla erilaisia neuroverkkoja sijaismalliksi. Lisäksi vertailemme eri data samplaustekniikoilla generoitujen opetusdatojen vaikutusta neuroverkkojen approksimointitarkkuuteen.