Generalizacijsko svojstvo unaprijedne neuronske mreže

završni rad

• Naslov (engleski): Generalisation property of feed forward neural network
• Autor: Joško Markučič
• Mentor: Dubravko Majetić (mentor)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2016-09-21, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Strojarstvo

Sažetak

U ovom radu prikazan je postupak učenja umjetne neuronske mreže s povratnim rasprostiranjem pogreške u zadatku prikaza generalizacijskog svojstva neuronske mreže na primjeru ponašanja nelinearnog i linearnog dinamičkog člana prvog reda. Glavna značajka umjetnih neuronskih mreža je mogućnost estimacije funkcija koje ovise o velikom broju ulaza koji nisu općenito poznati. Uz sam postupak učenja u ovom radu je prikazano i testiranje mreže koje se provodi nakon samog postupka učenja. Programska podrška kojom je implementirana opisana umjetna neuronska mreža i postupak učenja u cijelosti je izrađena u programskom paketu MATLAB. Opis, učenje i glavne značajke umjetnih neuronskih mreža prikazane su i detaljno upisane u uvodu, a zatim je u nastavku prikazan način učenja i rada zadane mreže.

Sažetak (engleski)

This paper shows the feed forward neural networks with error back-propagation generalisation property of nonlinear and linear first order dynamic. The main attribute of artificial neural networks is the ability to estimate or approximate functions that can depend on a large number of inputs that are generally unkown. Aside from the learning process, this paper also shows the neural network testing process which comes right after the learning stage. The program implementing the described artificial network and learning process has been entirely made in MATLAB. Description, main attributes and learning of artificial neural networks are shown and described in the introduction, after which the learning process is shown.

• Ključne riječi: neuronske mreže; umjetna inteligencija; umjetni neuron; učenje neuronske mreže; testiranje neuronske mreže; težinski faktori; zamah prvog reda; zamah drugog reda; povratno rasprostiranje pogreške; generalizacijsko svojstvo; dinamički član prvog reda
• Ključne riječi (engleski): neural networks; artificial intelligence; artificial neuron; artificial network learning; artificial network testing; neural network weights; first order momentum; second order momentum; error back-propagation; generalisation property; first order dynamic term
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:788753
• Studijski program: Naziv: Strojarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka strojarstva (univ. bacc. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2019-05-22 17:40:14