Optimiranje strukture neuronske mreže s radijalnim baznim funkcijama primjenom algoritma roja čestica

Vitasović, Matej (2016) Optimiranje strukture neuronske mreže s radijalnim baznim funkcijama primjenom algoritma roja čestica. = Particle swarm optimisation of radial basis function neural networks. Master's thesis (Bologna) , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Brezak, Danko.

[img]
Preview
Text
Vitasovic_2016_diplomski.pdf - Published Version Jezik dokumenta:Croatian

Download (3MB) | Preview

Abstract (Croatian)

U ovom radu je izrađena programska podrška za neuronsku mrežu s radijalnim baznim funkcijama (RBF mrežu) učenu klasičnom metodom učenja u jednom koraku. Model je proširen osnovnim algoritmom optimizacije rojem čestica (PSO), te s tri njegove modifikacije: unifikacijskim algoritmom optimizacije rojem čestica (UPSO), algoritmom optimizacije rojem čestica s osiguranom konvergencijom (GCPSO), te metodom suprotnih vrijednosti uz korištenje Cauchyevog mutacijskog operatora (OPSO Cauchy). Algoritmi su primijenjeni u optimizaciji vrijednosti elemenata glavne ijagonale kovarijantnih matrica vezanih uz neurone skrivenog sloja RBF mreže. Usporedba svih varijanti algoritama izvršena je testiranjem mreže sa tri klasifikacijska problema: „Krug u kvadratu“, Iris setu podataka, te na određivanju stupnja istrošenosti alata kod bušenja kompozita. Funkcija cilja korištena kod optimizacije bilo je postotak uspješno klasificiranih uzoraka iz seta za testiranje.

Abstract

In this study, a programming support was built for a radial basis function neural network (RBF network) using a classical one-step learning method. The model was expanded with the basic particle swarm optimisation algorithm (PSO), and with three of its modifications: Unified Particle Swarm Optimization (UPSO), Guaranteed Convergence Particle Swarm Optimization (GCPSO), and Opposition-Based Particle Swarm Optimisation with Cauchy Mutation (OPSO Cauchy). The algorithms were used to optimise the values of the elements on the main diagonal of covariance matrices associated with the hidden-layer neurons of the RBF network. A comparison of all algorithms was made by testing the network on three classification problems: „Circle-in-the-Square“, Iris dataset, and determining the tool wear in drilling composite materials. The objective function used in optimisation methods was the percentage of successfully classified test data samples.

Item Type: Thesis (Master's thesis (Bologna))
Uncontrolled Keywords: strojno učenje;neuronska mreža;radijalna bazna funkcija;optimizacija rojem čestica;klasifikacija
Keywords (Croatian): machine learning;neural networks;radial basis function;particle swarm optimization;classification
Subjects: TECHNICAL SCIENCE > Mechanical Engineering
Divisions: 900 Department of Robotics and Production System Automation > 910 Chair of Engineering Automation
Date Deposited: 06 Jul 2016 09:51
Last Modified: 28 Mar 2020 16:19
URI: http://repozitorij.fsb.hr/id/eprint/6159

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year