Usporedba unaprijednih neuronskih mreža s jednim i dva skrivena sloja u modeliranju linearnog dinamičkog sustava

Milas, Krešimir (2015) Usporedba unaprijednih neuronskih mreža s jednim i dva skrivena sloja u modeliranju linearnog dinamičkog sustava. = Comparison of Feedforward Neural Networks with One and Two Hidden Layers in Modeling of Linear Dynamic System. Undergraduate thesis , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Majetić, Dubravko.

[img]
Preview
Text
Milas_2015_zavrsni_preddiplomski.pdf - Published Version Jezik dokumenta:Croatian

Download (1MB) | Preview

Abstract (Croatian)

U ovom se radu na primjeru učenja modeliranja linearnog dinamičkog sustava prvog reda (indentifikacija sustava) pokazala se kvaliteta učenja i generalizacije statičke neuronske mreže s jednim i dva skrivena sloja neurona. Za usporedbu se odabralo više različitih topologija jednoslojne i dvoslojne mreže. Uspoređivale su se mreže s jednakim brojem parametara učenja. Metode po kojima su uspoređivane su: brzina učenja do određenog NRMS-a te učenje do određenog koraka. Učenje se izvodilo po uzorku s zamahom prvog i drugog reda, a algoritam učenja je povratno raspostiranje greške. Nakon učenja gledalo se vrijeme potrebno da se dosegne cilj, postignut NRMS učenja te kvaliteta odziva. Nakon usporedba uzele su se mreže koje su se pokazale najbolje u generalizaciji te ih se pobudilo različitim pobudnim funkcijama (sinusnom i nagibnom) koje nisu bile u setu za učenje. Potom su ponovno uspoređene na temelju mogućnosti generalizacije odziva koje nisu učene.

Abstract

This paper dealt with neural network learning of first lag order element. In it the quality of learning and quality of generalization of networks with one and two hidden layers is shown. Multiple topologies of networks with one and two layers were chosen for comparison. Networks with equal number of learning parameters were compared. There were two methods of evaluation of neural networks: learning up to a predetermined error threshold and learning up to predetermined number of epochs. Learning method used was pattern learning with momentum of first and second order. Upon completion of learning process time elapsed , achieved NRMS and quality of response were considered. After comparison, networks that proved best in generalization were introduced to different input functions (sine and ramp) which weren't in original learning set and compared again.

Item Type: Thesis (Undergraduate thesis)
Uncontrolled Keywords: neuronske mreže;umjetna inteligencija;jednoslojne mreže;dvoslojne mreže;učenje po uzorku;zamah prvog reda;zamah drugog reda;generalizacija;P1 član;modeliranje sustava;povratno rasprostiranje greške;pobudne funkcije
Keywords (Croatian): neural networks;artificial intelligence;one hidden layer networks;two hidden layer networks;pattern learning;first order momentum;second order momentum;generalisation;first order lag element;system modelling;error backpropagation;input signal
Subjects: TECHNICAL SCIENCE > Mechanical Engineering
Divisions: 900 Department of Robotics and Production System Automation > 910 Chair of Engineering Automation
Date Deposited: 17 Sep 2015 09:19
Last Modified: 16 Oct 2015 12:40
URI: http://repozitorij.fsb.hr/id/eprint/4749

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year

Nema podataka za dohvacanje citata