Temat: artificial structure

Skocz do pozycji: 1.

Tytuł:: Selected problem of structure optimization for Artificial Neural Networks with forward connections
Autorzy:: Płaczek, S.
Tematy:: artificial neural network
network structure
structure optimization; Pokaż więcej
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Powiązania:: https://bibliotekanauki.pl/articles/376117.pdf Link otwiera się w nowym oknie
Opis:: The problem of Artificial Neural Network (ANN) structure optimization related to the definition of optimal number of hidden layers and distribution of neurons between layers depending on selected optimization criterion and inflicted constrains. The article presents the resolution of the optimization problem. The function describing the number of subspaces is given, and the minimum number of layers as well as the distribution of neurons between layers shall be found.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: A selected problem of the structure optimization and decomposition of the artificial neural network with cross-forward connections
Autorzy:: Płaczek, S.
Tematy:: artificial neural network
structure optimization
decomposition
coordination
cross connection; Pokaż więcej
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Powiązania:: https://bibliotekanauki.pl/articles/97313.pdf Link otwiera się w nowym oknie
Opis:: The problem of an Artificial Neural Network (ANN) structure optimization is related to the definition of the optimal number of hidden layers and the distribution of neurons between layers depending on a selected optimization criterion and inflicted constrains. Using a hierarchical structure is an accepted default way of defining an ANN structure. The following article presents the resolution of the optimization problem. The function describing the number of subspaces is given, and the minimum number of layers, as well as the distribution of neurons between layers, shall be found. The structure can be described using different methods, mathematical tools, and software or/and technical implementation. The ANN decomposition into hidden and output layers - the first step to build a two-level learning algorithm for cross-forward connections structure - is described, too.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Optimization of neural networks structure selection in modelling spheroidal graphite cast iron for automotive camshafts
Optymalizacja doboru struktury sztucznych sieci neuronowych w modelowaniu zużycia żeliwa sferoidalnego na samochodowe wałki rozrządu
Autorzy:: Witaszek, Kazimierz
Garbala, Krzysztof
Witaszek, Mirosław
Rychter, Marcin
Tematy:: artificial neural networks
structure optimization
wear
spheroidal cast iron
Stuttgart neural network simulator
resilient back-PROPagation
sztuczne sieci neuronowe
optymalizacja struktury
zużycie
żeliwo sferoidalne
resilient back-ROPagation; Pokaż więcej
Wydawca:: Instytut Naukowo-Wydawniczy "SPATIUM"
Powiązania:: https://bibliotekanauki.pl/articles/317234.pdf Link otwiera się w nowym oknie
Opis:: The present article discusses the process of optimizing the structure of artificial neural networks applied in modelling the wear of spheroidal graphite cast iron (SG cast iron). The networks were trained using the RPROP gradient method with the application of the SNNS package supported by original self-developed software, which enabled automatic creation, training and testing of networks with different sizes of hidden layers. Based on the results of an analysis of learning process and testing a package of 625 networks, the network was selected which – when modelling the process of spheroidal cast iron wear – generates the slightest errors during testing.
W pracy przedstawiono proces optymalizacji struktury sztucznych sieci neuronowych użytych do modelowania zużycia żeliwa sferoidalnego. Sieci uczono metodą gradientową RPROP przy użyciu pakietu SNNS wspomaganego autorskim oprogramowaniem, które umożliwiało automatyczne tworzenie, uczenie i testowanie sieci o różnych wielkości warstw ukrytych. Na podstawie analizy wyników procesu uczenia i testowania pakietu 625 sieci dobrano tę, która modelując proces zużycia żeliwa sferoidalnego generuje najmniejsze błędy podczas testowania.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "artificial structure" wg kryterium: Temat