Wielowarstwowy perceptron jednokierunkowy jest siecią neuronową, w której neurony pogrupowane są w warstwy. Można tutaj wyróżnić warstwę wejściową, jedna i więcej warstw ukrytych , a dodatkowo warstwę wyjściową. Celem warstwy wejściowej tej sieci neuronowej jest wstępne przetwarzanie danych wejściowych na przykład. skalowanie, filtracja czy normalizacja sygnałów oraz dodatkowo przekazanie ich do elementów pierwszej warstwy przetwarzania neuronowego. Główne przetwarzanie neuronowe odbywa sie w kolejnych warstwach ukrytych i warstwie wyjściowej. Odpowiedz sieci neuronowej otrzymuje sie na wyjściu neuronów warstwy wyjściowej. Zasadniczą właściwością sieci neuronowych jest ich zdolność do uczenia sie i adaptacji. Z technicznego punktu widzenia proces uczenia sieci neuronowej sprowadza sie do wyznaczenia wartości współczynników wagowych sieci Kluczowym algorytmem uczenia sieci perceptronowych jest algorytm wstecznej propagacji błędów. Algorytm ten określa zasady uaktualniania wartości wagowych połączeń miedzyneuronowych sąsiednich warstw sieci neuronowej. Jest to procedura iteracyjna rozwiązująca zadanie minimalizacji przyjętego wskaźnika jakości wykorzystując metodę gradientowa największego zmniejszenia.

http://www.sprawozdania.info/projekty.php

data dodania wpisu: 16-09-2011

Keywords: sztuczna inteligencja, sieci neuronowe,algorytm, sprawozdania, ściągi