Professional Documents
Culture Documents
IU 7 - Vjestacke Neuronske Mreze U Upravljanju PDF
IU 7 - Vjestacke Neuronske Mreze U Upravljanju PDF
Sadraj predavanja
Bioloke neuronske mree i bioloki neuron
Poreenje sa savremenim digitalnim raunarima
Vjetake neuronske mree i njihova svojstva
Model vjetakog neurona
Osnovne aktivacijske funkcije
Arhitektura vjetake neuronske mree
Predstavljanje znanja u ANN
Procedura dizajna ANN
Treniranje ANN
Osnovna pravila uenja
Zadatak uenja ANN
Vrlo kompleksan
Nelinearan
Neuroraunari (Neurocomputers),
(PDP Parallel
ANN
je
motiviran
n= w j p j b=wpb
w=[w 1 w 2 w R ]
j =1
[]
p1
p= p 2
pR
a= F n
a=
0,
1,
n0
n 0
n 0
n 0
a= n
a= w j p j b=wpb
j=1
a= 0,
n,
n 0
n0
a=
0,
n,
1,
n0
0n 1
n1
a=
1,
n1
n , 1n 1
1,
n 1
1
a=
1e n
a=
2
n 1
1e
Jednoslojne FF-ANN
R ulaza je povezano sa
S neurona
ANN ima S izlaza
Jednoslojni perceptron
Linearne ANN
Vieslojne FF-ANN
Vieslojne FF-ANN
Posjeduju jedan ili vie skrivenih slojeva
ANN je potpuno povezana ukoliko je svaki neuron jednog sloja
povezan sa svakim neuronom narednog sloja
U suprotnom sluaju je ANN djelimino povezana
Tipine vieslojne FF-ANN:
Vieslojni perceptron
Radijalne mree
Rekurentne ANN
Posjeduju neku
povratne sprege
formu
Ispoljavaju
ponaanje
dinamiko
U
stanju
nelinearno
ponaanje
su
nauiti
dinamiko
Elmanova ANN
Jordanova ANN
Hopfieldova ANN
moe
ugraditi
formi
Treniranje ANN
Treniranje ANN
Nadzirano uenje
Nadzirano uenje
nakon
Algoritmi uenja
Hebbovo uenje
Hebbovo uenje
Kompetitivno uenje
Zadaci uenja
Aproksimacija funkcija
Identifikacija sistema
Aproksimacija funkcija
Identifikacija sistema
Filtriranje
Specifini zadaci:
Filtriranje
Izglaivanje
Predikcija