hrvatski

Implikacija zrnaste osnovne strukture neuralnih mreža na matematičke module učenja

U radu se polazi od pretpostavke da su glavna obilježja umjetnih neuralnih mreža sa stajališta postizanja određenih razina po pojedinim područjima: numerička obrada memorijskih elemenata, nekoliko objedinjenih struktura ili arhitektura sadržanih u istom sustavu, te učenje temeljeno na vježbi i hibridni programski sustav. U radu je prikazana usporedna raščlamba finozrnatih razina prikladnih za postizanje tih obilježja. Zapravo, sitnozrnatost u inteligenciji izravno se reflektira na hrdver, arhitekturu i softver. Spektar rješenja koja se temelje na zrnatosti sastoji se od: računala polja (engl. field computers), neuralnih mreža i visoko uređenih neuralnih jedinica. Najviše korištena obrada informacija u neuralnim mrežama je matematičko objedinjavanje. Kolmogorov teorem dokazuje da su dva objedinjenja potrebna za klasifikaciju ulaznih podataka u bilo koji broj skupina. U radu se objašnjava povratno propagirajući prikazivanje mreže, alternativnu projekciju, stohastičku mrežu, prijedlog mogućeg logičkog neurona, visoko uređene neuralne jedinice i neuralne mreže temeljene na simuliranoj Boolovoj logici. Pokazalo se da svaki model nudi različiti pristup problemima učenja i prilagodbe. U radu se uvode i objašnjavaju posebno i tri režima rada: diskriminacija, «Fuzzy» i generalizacija. Također se, u radu razmatraju i razni pristupi učenju s težnjom konstrukcije sustava sposobnih za učenje.

neuralne mreže

nije evidentirano