Algoritam rojeva čestica u učenju neuronske mreže

završni rad

• Naslov (engleski): Particle swarm algorithm in neural network learning
• Autor: Ivan Čović
• Mentor: Dubravko Majetić (mentor)
• Član povjerenstva: Bojan Jerbić (predsjednik povjerenstva)
• Član povjerenstva: Dubravko Majetić (član povjerenstva)
• Član povjerenstva: Josip Kasać (član povjerenstva)
• Član povjerenstva: Petar Ćurković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2019-09-26, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo; Umjetna inteligencija

Sažetak

U ovom radu opisani su algoritmi učenja neuronske mreže povratnim prostiranjem pogreške i algoritam optimizacije rojem čestica (PSO). Obrađena su dva klasična primjera (XOR i Iris set) u učenju neuronskih mreža, pomoću dvije navedene metode učenja neuronskih mreža. Uspoređuju se svojstva algoritama nakon izvođenja primjera kao što su: konvergencija greške, veličina greške, te brzina izvođenja algoritma u zadanim parametrima. Uz to, u uvodu se opisuje učenje i glavne značajke neuronskih mreža, a zatim način učenja i rada zadane mreže. Na kraju je izveden zaključak, na temelju obrađenih primjera.

Sažetak (engleski)

This paper describes the neural network training algorithms by error backpropagation and the particle swarm optimization (PSO). Two classical examples (XOR and Iris set) in neural network training were analyzed using the two methods. The properties of algorithms after executing examples are compared, such as: error convergence, magnitude of error, and the velocity of algorithm execution in given parameters. In addition, the introduction describes the training and main features of neural networks, followed by how the default network is trained and operated. Finally, a conclusion is drawn, based on the examples discussed.

• Ključne riječi: neuronske mreže; umjetna inteligencija; umjetni neuron; učenje neuronske mreže; težinski faktori; povratno prostiranje pogreške; optimizacija rojem čestica
• Ključne riječi (engleski): neural networks; artificial intelligence; artificial neuron; training neural network; neural network weights; error backpropagation; particle swarm optimization
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:655191
• 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: 2019-09-27 08:03:32