Adaptivna aktivacijska funkcija u skrivenom sloju neuronske mreže

Kljajić, Zorica (2014) Adaptivna aktivacijska funkcija u skrivenom sloju neuronske mreže. = Adaptive activation function for neural network hidden layer. Undergraduate thesis , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Majetić, Dubravko.

[img]
Preview
Text
18_09_2014_Zavrsni_rad_Zorica_Kljajic_rujan_2014_2014_09_17_19_17_34_966.pdf Jezik dokumenta:Croatian

Download (2MB) | Preview

Abstract (Croatian)

U radu je prikazan postupak učenja najpoznatijeg i najčešće upotrebljavanog tipa neuronskih mreža, diskretne statičke neuronske mreže s povratnim rasprostiranjem pogreške. Za adaptivnu aktivacijsku funkciju u skrivenom sloju neuronske mreže je odabrana Gauss-ova radijalna bazna funkcija s dva promjenjiva parametra. To omogućuje nekorištenje Bias neurona u strukturi mreže koja je formirana s tri sloja. Neuroni izlaznog sloja su linearni što znači da je izlaze iz skrivenog sloja potrebno samo sumirati. Po uzorku se parametri mijenjaju za svaki ulazno izlazni par skupa učenja. Zbog velikog broja potrebnih iteracija kod algoritma povratnog prostiranja pogreške, uvodi se modifikacija momentumom prvog i drugog reda što omogućuje ubrzavanje procesa učenja. Programska podrška je načinjena u programskom paketu MATLAB čime je omogućena usporedba kvalitete učenja u slučajevima korištenja ili nekorištenja Bias neurona i momentuma, ili povećanja i smanjivanja koeficijenta učenja. U prvom poglavlju je opis umjetnih neuronskih mreža, neurona i procesa učenja, a u nastavku rada su prikazana detaljnija objašnjenja učenja konkretne mreže.

Item Type: Thesis (Undergraduate thesis)
Uncontrolled Keywords: neuronska mreža; Bias neuron; momentum; aktivacijska funkcija
Divisions: 900 Department of Robotics and Production System Automation > 910 Chair of Engineering Automation
Date Deposited: 22 Sep 2014 18:00
Last Modified: 02 Dec 2020 11:01
URI: http://repozitorij.fsb.hr/id/eprint/2905

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year