Naslov
Modificirano učenje izlaznog sloja statičke neuronske mreže
(Modified Learning Algorithm for Neural network Output Layer)

Autori
Baček, Tomislav

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski

Fakultet
Fakultet strojarstva i brodogradnje

Mjesto
Zagreb

Datum
11.02

Godina
2010

Stranica
44

Mentor
Majetić, Dubravko

Ključne riječi
neuronska mreža; modificirano učenje
(neural network; modified learning procedure)

Sažetak
Umjetne neuronske mreže, kao racunalni sustav kojim se nastoji nacin učenja bioloških živcanih sustava prenijeti na računalo, jedno su od najčešćih ostvarenja umjetne inteligencije – inteligencije mehanickih sustava. Postoji niz različitih ideja kako ostvariti umjetne neuronske mreže, pa s time u vezi i niz različitih vrsta neuronskih mreža koje se danas koriste. U ovom radu ispitivalo se ucenje umjetnih neuronskih mreža na temelju unaprijedne (statičke) neuronske mreže sa povratnim rasprostiranjem pogreške (EBP – Error Back Propagation algoritam). U radu je, kao svojevrsni uvod u temu, dan kratki prikaz ideje umjetnih neuronskih mreža, od same definicije neuronskih mreža, preko prikaza analogije umjetnog i biološkog neurona, do podjele, uporabe i načina učenja istih. Isto tako, dan je i kratki pregled najčešće korištenih aktivacijskih funkcija neurona, te su prikazani struktura i rad perceptrona, prve umjetne neuronske mreže. Pokazano je takozvano delta pravilo koje se koristi kako kod učenja perceptrona, tako i kod učenja mreže sa povratnim rasprostiranjem pogreške. Dan je prikaz modela višeslojne statičke neuronske mreže, kao i shematski prikaz učenja iste. Nadalje, izveden je matematički model statičke neuronske mreže, gdje je pokazano kako se mijenjaju težinski faktori (parametri ucenja) sakrivenog i izlaznog sloja (korištena je troslojna mreža), za unaprijednu i povratnu fazu učenja mreže. Kao dodatak napravljena je i modificirana statička neuronska mreža (modifikacija u obliku povratne veze) za učenje ponašanja dinamickog člana prvog reda (PT1). Naposljetku je načinjen niz učenja i testiranja mreža, čija su rješenja, uz grafički prikaz promjene pogreške čenja (koja je ujedno jedan od dva uvjeta prekida učenja), dana numerički. Tako su, prvo učenjem po uzorku, a zatim i učenjem po skupu, mreže morale naučiti ekskluzivni ILI problem, kvadriranje brojeva do 10, te zbrajanje, oduzimanje i dijeljenje. Osim standardnog učenja, u kojem se težine mijenjaju po pravilu izvedenom u spomenutom matematickom modelu mreže, sva učenja i testiranja načinjena su i sa modifikacijom mreže, pri cemu su se težine izlaznog sloja mijenjale direktno, pseudoinverzijom matrice izlaza sakrivenog sloja. Sve mreže učene su i testirane sa i bez momentuma, koji bi trebao raditi kao ubrzanje sustava, uz, u trenutnom učenju doduše konstantne, promjenjive ostale parametre. Za kraj je napravljeno učenje i testiranje statičke neuronske mreže sa povratnom vezom, koja je morala naučiti ponašanje dinamičkog člana prvog reda, i to tako da je najprije izlaz prethodnog koraka uzimala iz modela, a zatim iz same mreže. Uvođenje pseudoinverzije, kao načina promjene parametara učenja izlaznog sloja, nije se pokazalo kao očekivano ubrzanje.

Izvorni jezik
Hrvatski

Znanstvena područja
Strojarstvo

POVEZANOST RADA